神經網絡理論

引言                  
 第1篇  神經網絡的結構                  
 第1章  從布爾元件的邏輯基礎向閾值邏輯基礎的過渡                  
 1. 1  線性閾值單元（神經元）                  
 1. 2  多閾值邏輯                  
 1. 3  連續(xù)邏輯                  
 1. 4  激活函數的形式                  
 參考文獻                  
 第2章  神經網絡結構的定性分析                  
 2. l  神經網絡結構的幾種形式                  
 2. 2  有順序前向連接的多層網絡                  
 2. 3  多層網絡的結構及其符號表示                  
 參考文獻                  
 第3章  有跨越連接的多層網絡結構的優(yōu)化                  
 3. 1  關于問題復雜性的準則                  
 3. 2  有跨越連接的一維輸人網絡的方案                  
 3. 3  類區(qū)數上限與下限的估計                  
 3. 4  結構優(yōu)化問題的一些特例                  
 3. 5  根據某種拓撲特性進行的網絡結構的優(yōu)化                  
 3. 6  有幾個輸出值的網絡結構的優(yōu)化                  
 參考文獻                  
 第4章  連續(xù)神經網絡                  
 4. 1  輸人特征為連續(xù)的神經元                  
 4. 2  取連續(xù)值的層中神經元                  
 4. 3  有離散特征的連續(xù)神經元層                  
 4. 4  神經元的連續(xù)模型的分類                  
 參考文獻                  
                   
 第2篇  神經網路的最優(yōu)模型                  
 第5章  神經網絡輸入信號特性的研究                  
 5. 1  問題的提出                  
 5. 2  有兩類樣本時輸人信號的聯合概率分布                  
 5. 3  有K類樣本時輸人信號的聯合概率分布                  
 參考文獻                  
 第6章  建造神經網絡的最優(yōu)模型                  
 6. 1  最優(yōu)模型的一般結構                  
 6. 2  典型神經網絡分界面的解析表達                  
 6. 3  多維 E（n）及y（n）時的最優(yōu)模型                  
 6. 4  自學習狀態(tài)下神經網絡輸人信號的先驗信息                  
 6. 5  自學習狀態(tài)下網絡的一次優(yōu)化準則                  
 6. 6  在有任意技術等級的教師和自學習狀態(tài)下網絡的最優(yōu)模型                  
 參考文獻                  
 第7章  開環(huán)神經網絡的分析                  
 7. 1  神經網絡的模擬量和離散量誤差的分布規(guī)律                  
 7. 2  二次優(yōu)化泛函的選擇                  
 7. 3  系統"Adline"中二次優(yōu)化泛函的選擇                  
 7. 4  對應給定一次優(yōu)化準則二次優(yōu)化準則的形成                  
 7. 5  連續(xù)型神經網絡                  
 7. 6  在有任意技術等級的教師和自學習狀態(tài)下的神經網絡                  
 參考文獻                  
 第8章  多變量函數極值的搜索算法                  
 8. 1  多層神經網絡二次優(yōu)化泛函極值的搜索過程                  
 8. 2  有關多變量函數迭代搜索法的分析                  
 8. 3  隨機逼近法                  
 8. 4  對變量有等式約束的多變量函數極值進行搜索的迭代方法                  
 8. 5  變量有不等式約束時多變量函數尋優(yōu)的迭代法                  
 8. 6  多變量函數的局部和全局最優(yōu)點的隨機搜索算法                  
 8. 7  使用二次優(yōu)化泛函的二階導數估計值的自適應算法                  
 參考文獻                  
                   
 第3篇  自適應神經網絡                  
 第9章  神經網絡的調整算法                  
 9. 1  問題的提出                  
 9. 2  有二值及連續(xù)輸出的神經元                  
 9. 3  兩層網絡                  
 9. 4  由連續(xù)輸出神經元構成的多層網絡                  
 9. 5  變量存在約束的閉環(huán)調整的神經網絡的構造                  
 9. 6  有二值輸出的網絡的一次優(yōu)化準則的實現                  
 9. 7  有連續(xù)輸人和幾種輸出神經網絡中平均風險最小化的實現                  
 9. 8  有N*個輸出通道的神經網絡中平均風險最小化的實現                  
 9. 9  多層神經網絡中平均風險最小化的實現                  
 9. 10  輸人為非平穩(wěn)樣本時閉環(huán)神經網絡的構造                  
 9. 11  帶跨越或反饋連接的閉環(huán)調整的神經網絡的構造                  
 9. 12  自學習與有任意技術等級教師的閉環(huán)神經網絡                  
 9. 13  二次優(yōu)化泛函的二階導數的估計                  
 參考文獻                  
 第10章  連續(xù)型神經網絡的調整                  
 10. 1  有連續(xù)特征的網絡的調整                  
 10. 2  層中神經元為連續(xù)時權值的調整                  
 10. 3  連續(xù)神經元層網絡的學習過程中參數矩陣的選取                  
 10. 4  有連續(xù)特征并基于給定隨機樣本時參數K*（i, j）的選擇                  
 10. 5  連續(xù)兩層網絡調整算法的特點                  
 10. 6  連續(xù)神經元層權函數的3種實現方案及相應的學習過程                  
 10. 7  兩層連續(xù)神經網絡中使用二次優(yōu)化泛函a2g的學習算法                  
 10. 8  有分段常數權函數的連續(xù)神經元層                  
 10. 9  帶分段線性權函數的連續(xù)神經元層                  
 10. 10  帶分段常數權函數的連續(xù)神經元層的網絡                  
 參考文獻                  
 第11章  調整神經網絡時初值的選擇及多層網絡的典型輸入信號                  
 11. 1  初始條件的選擇方法                  
 11. 2  確定性選擇初值的算法                  
 11. 3  多層神經網絡中初始條件的選擇                  
 11. 4  多層神經網絡的典型輸人信號                  
 參考文獻                  
 第12章  閉環(huán)多層神經網絡的研究                  
 12. 1  閉環(huán)調整的多層神經網絡設計問題的提出                  
 12. 2  輸人信號是多峰分布時神經元特性的研究                  
 12. 3  識別非平穩(wěn)樣本的神經網絡的動態(tài)研究                  
 12. 4  學習狀態(tài)下三層神經網絡的動態(tài)研究                  
 12. 5  有反饋網絡的一些特例的研究                  
 12. 6  自學習狀態(tài)下單層神經網絡的動態(tài)研究                  
 12. 7  自學習狀態(tài)下的兩層神經網絡                  
 12. 8  閉環(huán)多層神經網絡調整算法中一些有關參數矩陣選擇的工程方法                  
 12. 9  用于解決矩陣變換問題的多層神經網絡的構造                  
 12. 10  用于把二進制數轉換為十進制數的多層神經網絡                  
 12. 11  有任意教師等級的多層網絡的研究                  
 12. 12  對閉環(huán)調整的神經網絡進行研究的解析方法                  
 參考文獻                  
 第13章  可變結構多層神經網絡的設計                  
 13. l  第1層神經元的順序學習算法                  
 13. 2  使用隨機法搜索局部及全局極值的多層神經網絡中第1層神經元的學習算法                  
 13. 3  超平面數增多時有關算法收斂性的分析                  
 13. 4  兩層神經網絡中第2層神經元的學習                  
 13. 5  3層神經網絡中第2層和第3層神經元的學習                  
 13. 6  對多層神經網絡做依次調整的一般方法                  
 13. 7  有連續(xù)特征的多層神經網絡中第1層神經元的學習方法                  
 13. 8  用調整變結構多層神經網絡的方法解決初始條件的選擇問題                  
 13. 9  變結構多層神經網絡的自學習算法                  
 參考文獻                  
 第14章  多層神經網絡中有效特征的選擇                  
 14. 1  學習狀態(tài)下特征選擇問題的提出                  
 14. 2  固定結構的多層神經網絡中特征提取的結構方法                  
 14. 3  用于選擇有效特征的第1層神經元順次調整的多層神經網絡                  
 14. 4  神經元數的最少化                  
 14. 5  自學習狀態(tài)下多層神經網絡中有效特征的選取                  
 參考文獻                  
                   
 第4篇  神經網絡的可靠性及故障診斷                  
 第15章  神經網絡的可靠性                  
 15. 1  神經網絡功能可靠性的研究方法                  
 15. 2  用多層神經網絡形式實現組織自恢復時功能可靠性的研究                  
 15. 3  多層神經網絡功能可靠性的研究                  
 15. 4  神經網絡參數可靠性的研究                  
 15. 5  災難性故障發(fā)生時多層神經網絡功能可靠性的研究                  
 參考文獻                  
 第16章  神經網絡的故障診斷                  
 16. l  神經網絡的狀態(tài)圖. 基本概念及定義                  
 16. 2  神經網絡中故障定位的算法                  
 16. 3  神經元輸出端有邏輯常數故障時構造最少測試點的算法                  
 16. 4  神經網絡的自適應故障診斷方法                  
 參考文獻                  
 結論                  
 參考文獻