Martin T. Hagan神经网络设计 原书第二版 课后习题答案

自组织多项式神经网络设计，英文论文

神经网络设计第二版答案部分

神经网络设计（第2版）hagan 习题参考答案（部分，重要的题基本都有）.zip

资源包含文件：设计报告word+源码+演示PPT 对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域。 详细介绍参考：https://blog.csdn.net/newlw/article/details/125167714

深层神经网络拥有更强特征表达能力的同时, 也带来了优化难、训练成本高及梯度弥散等问题; 参数数量的激增则导致模型过于臃肿, 不利于其在移动端及工业控制设备等算力弱、存储小的平台上的部署. 针对这些问题, 构建了一种融合空洞卷积和多尺度稀疏结构的轻量神经网络对图像进行特征提取, 实现对带有彩色图形噪声且字符扭曲粘连严重的验证码图像的端到端识别. 将包含100万张验证码图像的数据集按98:1:1的比例划分为训练集、验证集和测试集, 逐批参与训练. 实验结果表明, 该网络在大大减少参数数量的同时, 具有测试集上98.9%的识别成功率.

基于MATLAB的BP人工神经网络设计.pdf

研究了属性权重未知且属性值为区间数的多属性决策问题。首先针对一般区间数排序方法完全依赖区间数中点值的缺陷，提出了一种改进的排序方法；接着给出了改进的区间数判断矩阵规范化方法；然后依据多属性决策中传统熵权确定方法的思路，结合区间数决策矩阵的特点提出了一种确定属性熵权的方法；最后通过一个算例说明了该方法的实用性和有效性。

神经网络设计（第1版）hagan 习题参考答案.zip

神经网络方面相当通俗易懂的一本书，看完之后基本上的问题都不存在了。