本文由 资源共享网 – ziyuan 发布，转载请注明出处，如有问题请联系我们！电子书《神经网络入门与实战》

前 言

神经网络技术是现代人工智能最重要的分支，是通过模拟人脑的神经网络来实现类

人工智能的机器学习技术和方法。本书讨论的是神经网络的理论基础、算法设计、算法实 现，以及工程领域中的应用。

人在思考问题时，神经冲动会在神经突触所连接的无数神经元中传递，信息的处理是

由神经元之间的相互作用来实现的。受此启发，人们开始模拟人体大脑的结构和工作机 理，即用很多的结点来处理信息。在人工神经网络中，人工神经元、处理元件、电子元件等 大量的处理单元被用来模仿人脑神经系统的结构，知识与信息的存储表现为互连的网络

元件间的分布式联系.网络的学习和识别取决干和神经元连接权值的动态演化过程。因 为在大脑的神经冲动传导过程中不仅有是与非，还存在强与弱、缓与急，所以人工神经网 络和大脑还是有区别的。

本书可以作为高校相关专业的本科生或者研究生教材，同时也适合广大的人工智能 领域相关的从业人员自学。在学习本书之前，应具有机器学习、模式识别、算法设计与分 析等相关知识。

本书共9章，主要围绕神经网络的原理与实践进行讲解，在内容上将理论与实践、技 术与应用结合，具体如下。

第1章介绍了神经网络的概念、特点、拓扑结构和应用。 

第2章介绍了感知器模型、处理单元模型、学习策略、局限性和收敛性。

第3 章介绍了 BP 神经网络、神经元模型、BP神经网络结构、神经网络的数据预

处理。

第 4章介绍了支持向量机、间隔与支持向量、对偶问题、核函数、软间隔和正则化、支 持向量回归和核方法。

第5 章介绍了深度学习网络、深度神经网络、深度卷积神经网络、深度卷积神经网络 典型结构、卷积网络的层和深度卷积神经网络在图像识别中的应用。

第6 章介绍了强化学习、问题模型、无模型化强化学习方法、模型化强化学习方法和 深度强化学习。

第 7 章介绍了极限学习、极限学习算法、极限学习的改进、极限学习的应用。 

第8章介绍了 TensorFlow 机器学习平台的起源、简介、特征、使用对象、环境及兼容

性、其他模块。

第 9章介绍了神经网络在图像处理、信号处理、模式识别和机器控制方面的应用。 

本书的主要分工如下∶侯琳主要负责第1章的编写;于洋主要负责第2章、第 8章和

第 7章部分内容的编写，以及本书的主要统稿和审稿工作;孙迪主要负责第3章的编写;

陈亚瑞主要负责第 4 章的编写;胡志强主要负责第 5章的编写;赵婷婷主要负责第6章的

编写;杨巨成主要负责第7章的编写，以及本书的主要审稿工作;吴超主要负责第9章的 编写。

在杨巨成教授的指导下，本书在编写过程中才得以克服很多技术上的难点。同时，感 谢天津科技大学人工智能学院张灵超、王晓靖、王洁、韩书杰、魏峰、邱润泽为本书所做的 工作。最后，还要感谢参考文献的作者，他们的成果使得本书的学术水平得以提升。

由于相关技术的发展日新月异，本书难免有不足之处，希望读者批评指正。提出宝贵 的修改意见。

作 者 2020年8月