正版全新
-
作者:
刘晶晶
、
刘业峰
、马岩尉 著
-
出版社:
化学工业出版社
-
ISBN:
9787122509918
-
出版时间:
2022-12
售价
￥
58.52
7.5折
定价
￥78.00
品相
全新
上书时间2026-11-15
卖家超过10天未登录
-
-
商品描述：
-
【书 名】 神经网络性能优化方法
【书 号】 9787122509918
【出 版 社】 化学工业出版社
【作 者】 刘晶晶、刘业峰、马岩尉 著
【出版日期】 2026-09-01
【开 本】 16开
【定 价】 78.00元
【内容简介】
本书立足于著者在神经网络领域的探索与实践 ,并结合近年来的相关研究成果撰写而成。针对神经网络研究与实践过程中的性能提升问题 ,阐述了若干种优化策略。
书中着重讨论了神经网络的基础理论、算法优化改进、模型融合及其在工业实际中的应用。按照 “理论 —方法 —应用 ”的主线 ,各章分配如下：第1、2章介绍了以权值初始化、激活函数和正则化为核心的相关理论和网络性能优化方法 ;在此基础上 ,第3、4章提出了缓解数据不平衡、模型稀疏化及模型融合等问题的方法 ;第 5章将前述方法应用于故障诊断、寿命预测等多个工业场景,验证其有效性 ;第 6章对全书内容做了总结。
本书可供科技工作者、高等院校师生阅读和参考。
【目录】
第1章 神经网络基础理论 001
1.1 神经网络的基本概念与框架 002
1.1.1 神经网络的结构与工作原理 002
1.1.2 激活函数及其作用 004
1.2 神经网络学习算法概述 006
1.2.1 BP算法 006
1.2.2 改进的梯度下降算法 010
1.3 权值初始化的重要性 013
第2章 提升网络性能的相关优化算法 017
2.1 防止过拟合方法 018
2.1.1 常用的防止过拟合方法 018
2.1.2 正则化方法在随机配置网络中的应用 020
2.2 权值初始化方法探索与延伸 038
2.2.1 容忍度问题和容忍度解集描述 040
2.2.2 神经网络权值初始化方法探索 041
2.2.3 实验验证 044
2.3 智能优化算法 061
2.3.1 常见的智能优化算法 061
2.3.2 改进的智能优化算法在随机配置网络中的应用 064
2.4 新型激活函数的设计与特性分析 075
2.4.1 Lfun函数 077
2.4.2 Lfun函数的应用效果 080
2.5 网络模型的优化改进 084
2.5.1 局部高阶网络的网络模型 084
2.5.2 算法描述及权值更新规则 088
第3章 数据处理与不平衡问题解决 091
3.1 不平衡数据问题的挑战 092
3.1.1 不平衡数据在工业领域的表现 092
3.1.2 过采样技术及其有效性评估 094
3.2 IFE-SMOTE过采样方法 095
3.2.1 IFE-SMOTE算法原理 095
3.2.2 IFE-SMOTE过采样方法在不平衡数据中的应用 101
第4章 融合式学习算法 109
4.1 数据特征提取与深度学习融合方法 110
4.1.1 初始特征集构建 110
4.1.2 动态特征筛选策略 112
4.1.3 LSTM-KAN网络模型 113
4.2 融合式稀疏学习模型及其算法 117
4.2.1 当前融合式学习模型的主要方法 117
4.2.2 融合式稀疏学习算法 118
4.2.3 仿真实验 119
4.2.4 结论 122
第5章 工业应用案例研究 123
5.1 滚动轴承故障类型识别 124
5.1.1 实验方案设计 124
5.1.2 评估指标 126
5.1.3 实验结果 127
5.2 滚动轴承的寿命预测 135
5.2.1 轴承RUL预测流程 135
5.2.2 实验数据来源 137
5.2.3 特征筛选 137
5.2.4 评价指标 138
5.2.5 特征筛选策略的消融实验 139
5.2.6 预测模型的对比实验 139
5.2.7 结论 143
5.3 电子鼻模式识别 144
5.3.1 电子鼻系统简介 144
5.3.2 样本的预处理 145
5.3.3 网络模型的建立及参数设置 146
5.3.4 实验结果及比较分析 147
5.4 同步发电机励磁电流预测 151
5.4.1 实验方案描述 151
5.4.2 实验结果 154
5.5 轴承端盖生产线机床能耗预测 156
5.5.1 案例描述及数据测量 156
5.5.2 实验结果 157
第6章 综论与前瞻 159
6.1 综论 160
6.2 前瞻 161
参考文献 164
【前言】
神经网络技术作为人工智能领域的核心技术之一，正在深刻改变着人类社会的生产方式、生活方式以及科学研究的方法。随着深度学习算法的快速发展，以神经网络为载体的深度学习模型在模式识别、自然语言处理、图像处理等领域的应用取得了突破性进展。然而，要实现高精度、高效能的任务解决，仅仅依靠现有的算法和模型是远远不够的。神经网络的性能存在许多待改进的地方，如权值初始化方法、模型的泛化能力有限等问题，这些都制约着人工智能技术的实际应用。
本书旨在梳理神经网络性能优化方法，探讨如何通过改进算法、数据、模型结构等手段提升网络性能，为读者提供一套神经网络性能优化参考指南。全书内容涵盖了基础理论、优化算法设计、数据处理方法以及工业应用案例等方面，并对未来研究方向提出一些建议。
在具体写作框架上，本书首先从基础理论出发，介绍了神经网络的基本结构、工作原理以及激活函数的作用；随后，论述了神经网络性能提升的相关技术，包括权值初始化方法的探索、正则化技术的改进、智能优化算法的改进、学习模型的稀疏化以及融合；*后给出所提出方法的实际应用案例。
全书内容共分 6章：第 1章介绍神经网络的基础理论；第 2章阐述神经网络性能优化的相关技术方法；第 3章探讨数据处理中的挑战问题及解决方法；第 4章讨论融合式稀疏学习算法的设计；第 5章通过实际案例展示神经网络技术的实际应用；第 6章总结本书的主要内容，并对未来研究方向进行展望。
本书由辽宁科技大学刘晶晶副教授负责起草大纲并担任主要撰写人，撰写了第1章的 1.3节、第 2章的 2 .1～ 2.4节、第 3章的 3 .2节、第4章的 4.2节、第 5章的 5 .1节。临沂大学刘业峰教授撰写了第 3章的 3 .1节、第 5章的 5.4节、 5.5节和第 6章。沈阳工学院马岩尉副教授撰写了第 1章的 1 .1节和 1.2节、第 2章的 2 .5节、第 4章的 4 .1节、第 5章的 5 .2节和 5 .3节。
本书虽力求体系清晰、内容详实，但囿于著者学识，疏漏与不妥之处在所难免，恳请各位读者与专家不吝赐教，批评指正。
著者
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
