神经网络设计 Martin T.Hagan (美)Howard B.Demuth Mark H.Beale 此书介绍了神经网络的基本结构和学习规划，重点是对这些神经网络的数学分析、训练方法和神经网络在模式识别、信号处理以及控制系统等工程实践问题中的应用。并带有matlab代码实现及讲解。 1.绪论 2.神经网络结构 3.说明性实例 4.感知学习规划 5.信号和权值向量空间 6.神经网络中的线性变换 7.有监督的Hebb学习 8.性能曲面 9.性能优化 10.Widrow-Hoff学习算法 11.反向传播 12.反向传播的变形 13.联想学习 14.竞争网络 15.Grossberg网络 16.自适应谐振理论 17.稳定性 18.Hopfiled网络

Deep Learning Toolbox用户指南，欢迎下载

我们考虑众所周知的 SABR 模型。 我们给出了隐含体积，密度和蒙特卡洛模拟的公式。 我们还涵盖了标准公式分解的参数集的无套利密度。 我们还介绍了最近的 Doust 方法和用于密度外推的 Kienitz 方法。

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

神经网络设计（第1版）hagan 习题参考答案.zip

神经网络设计——国外经典教材 (美)Hagan 等著.清晰版 神经网络入门经典教材，全书通俗易懂 包含完整书签，文字和图形都很清晰

神经网络设计 中文版 Martin T.Hagan 自己加的书签便于阅读

Nerual Network Design (2nd Edition) Content Ch 2 Neuron Model and Network Architectures Ch 3 An Illustrative Example Ch 4 Perceptron Learning Rule Ch 5 Signal and Weight Vector Spaces Ch 6 Linear Transformations for Neural Networks Ch 7 Supervised Hebbian Learning Ch 8 Performance Surfaces and Optimum Points Ch 9 Performance Optimization Ch 10 Widrow-Hoff Learning Ch 11 Backpropagation Ch 12 Variations on Backpropagation Ch 13 Generalization Ch 14 Dynamic Networks Ch 15 Associative Learning Ch 16 Competitive Networks Ch 17 Radial Basis Networks Ch 18 Grossberg Network Ch 19 Adaptive Resonance Theory Ch 20 Stability Ch 21 Hopfield Network Ch 22 Practical Training Issues Ch 23 Case Study 1:Function Approximation Ch 24 Case Study 2:Probability Estimation Ch 25 Case Study 3:Pattern Recognition Ch 26 Case Study 4: Clustering Ch 27 Case Study 5: Prediction

[神经网络设计].(美国)Hagan.清晰中文版