神经网络在应用科学和工程中的应用

《神经网络在应用科学与工程中的应用：从基本原理到复杂的模式识别》是一本简单但系统的神经网络介绍性著作。它以神经网络在科学数据分析中的角色为起始点，给出了神经网络的基本概念。在进一步综合概述实际数据分析中使用的神经网络结构的基础上，详细介绍了线性网络和所有处理阶段的用于非线性预报和分类的多层感知器。此外，通过示例和个案研究阐述了模型开发技术。后面的章节还对用于非线性数据聚类的自组织映射、用于线性或非线性时间序列预测的递归网络和适用于科学数据分析的其他类型的网络进行了介绍。该书使用广泛的图示和多学科内容，以一种更易于理解的形式填补了神经网络在多维科学数据方面的空白，并将其与统计学相联系。这本书属于国际电气工程先进技术译丛系列，是搭建电气工程技术平台和传播最新国际技术成果的一部分。特点包括在多学科领域解释神经网络；使用大量图例易于理解复杂数据概念；深入研究神经网络在线性和非线性预测、分类、聚类和预测方面的应用；阐述模型开发的所有阶段和结果，包括数据预处理、数据维数约简、输入选择、模型开发和验证、模型不确定性评估以及对输入、误差和模型参数的灵敏度分析。

作者简介

本书提供作译者介绍SandhyaSamarasinghe在俄罗斯的Lumumba大学获得机械工程的理学硕士(Hons)，在美国的VirpniaTech获得了工程学硕士和博士学位。目前她是新西兰林肯大学自然工程系的高级讲师，并成为先进计算解决方案中心的奠基人之一。她的研究包括神经网络、统计学、软计算和人工智能、统计学方法、计算机视觉的利用，以及用于解决工程学、生物学、经济学、环境和自然系统及应用科学的实际问题的复杂系统建模。Samarasinshe博士参与了很多领域的科学与工业项目，并且在那些领域的国际期刊和国际会议上发表了很多文章。