机读格式显示(MARC)

• 000 02274nam 2200313 450

• 001 0000811106

• 005 20250820080600.0

• 010 __ |a 978-7-5763-5216-0 |d CNY148.00

• 100 __ |a 20250610d2025 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 人工神经网络原理 |A ren gong shen jing wang luo yuan li |e 从基础设计到深度学习 |f (美) 丹尼尔·格劳佩著 |d = Principles of artificial neural networks |e basic designs to deep learning |f Daniel Graupe |g 韩光辉译 |z eng

• 210 __ |a 北京 |c 北京理工大学出版社 |d 2025

• 215 __ |a 429页 |c 图 |d 24cm

• 225 2_ |a 人工智能核心技术体系译丛 |A ren gong zhi neng he xin ji shu ti xi yi cong

• 314 __ |a 丹尼尔·格劳佩 (DanielGraupe), 在英国利物浦大学获得电气工程博士学位, 美国伊利诺伊大学芝加哥分校 (UIC) 电气与计算机工程系的荣誉退休教授, 1985年成为IEEE会员, 2003年成为IEEE终身会员。韩光辉, 2018年获得北京理工大学工学博士学位, 中山大学博士后, 现为华北水利水电大学副教授, 研究生导师。

• 320 __ |a 有书目 (第411-429页)

• 330 __ |a 本书基本涵盖了人工神经网络纵向发展历程中的主要节点技术, 能够满足需要系统学习的读者需求。第1章内容高屋建瓴, 涉及人工神经网络的引入及其角色。第2-3章介绍生物神经网络基础和人工神经网络原理, 第4-5章分别介绍单层/多层感知器和Madaline网络, 第6章介绍经典和改进的反向传播算法。第7-8章分别介绍霍普菲尔德 (Hopfield) 网络和对偶传播 (CounterPropagation) 网络, 第9章介绍更接近生物神经网络的自适应共振 (ART) 网络。第10章介绍神经认知机, 这是后来卷积神经网络发展的灵感来源, 而卷积神经网络引领深度学习成为当代人工智能的主流技术。第11章介绍神经网络的统计 (随机) 训练知识, 第12章介绍循环神经网络。第13章介绍深度学习神经网络的原则及范围, 第14-15章分别介绍卷积神经网络和LAMSTAR神经网络, 最后第16章是内容广泛的比较案例研究。

• 410 _0 |1 2001 |a 人工智能核心技术体系译丛

• 500 10 |a Principles of artificial neural networks : basic designs to deep learning |A Principles Of Artificial Neural Networks : Basic Designs To Deep Learning |m Chinese

• 517 1_ |a 从基础设计到深度学习 |A cong ji chu she ji dao shen du xue xi

• 606 0_ |a 人工神经网络 |A ren gong shen jing wang luo |x 机器学习

• 690 __ |a TP18 |v 5

• 701 _1 |a 格劳佩 |A ge lao pei |g (Graupe, Daniel) |4 著

• 702 _0 |a 韩光辉 |A han guang hui |4 译

• 801 _0 |a CN |b WFKJXY |c 20250820

• 905 __ |a WFKJXY |d TP18/969