人工神經網絡建造

     目 錄
   第一章 緒 論
    1.1歷史回顧
    1.2生物神經
    1.2.1神經 元
    1.2.2信息傳遞
    1.3神經組織
    1.4視覺神經
    1.5腦記憶的生理機制
    1.6分布系統的特點
    1.7分布系統的研究方法
    1.8人工神經網絡與分布系統
    1.9人工神經網絡信息處理原理
    1.9.1神 經 元
    1.9.2人工神經網絡的分類
    參考文獻
   第二章 人工神經網絡的分布系統模型
    2.1基本數學工具
    2.1.1概率過程
    2.1.2連續(xù)時間的馬爾科夫過程
    2.1.3離散狀態(tài)系統與連續(xù)狀態(tài)系統
    2.1.4概率微分方程
    2.2勢條件和吉布斯分布
    2.2.1強勢條件
    2.2.2弱勢條件
    2.2.3細致平衡條件
    2.2.4正則系統和正則—散逸系統
    2.2.5Ito，Stratonovich概率微分方程及它們的福克—普朗克方程
    2.3系熵
    2.3.1最大熵原理
    2.3.2最小相對信息原理
    2.3.3最小平均“能量”原理
    2.3.4有序與無序平衡原理
    2.3.5系統平衡態(tài)的熵
    2.3.6平衡狀態(tài)的平均能量
    2.3.7最大熵分布
    2.4概率網絡
    2.4.1網 絡
    2.4.2Ising模型
    2.4.3利用平均場近似
    2.4.4馬爾科夫概率場和概率網絡
    2.5H0pfield網絡
    2.5.1Hopfield權值公式證明
    2.5.2連續(xù)Hopfield網
    2.5.3Hopf以d網絡優(yōu)化應用
    2.6波爾茲曼機器
    附錄1
    附錄2
    附錄3
    參考文獻
    2.7網絡優(yōu)化
    2.7.1目標函數
    2.7.2最優(yōu)化問題的概率模型
    2.7.3分布最優(yōu)網絡
    2.7.4模擬退火法
    2.7.5網絡結構變換
   第三章 人工神經網絡的其它模型
    3.1人工神經網絡的一般框架
    3.1.1一般框架
    3.1.2PDP模型分類
    3.1.3PDP模型分層機構
    3.1.4一般并行活動模型范例
    參考文獻
    3.2感知器算法
    3.2.1感知器基本性質
    3.2.2感知器梯度算法
    3.2.3線性閾值元件感知器
    3.3.4最小二乘分類算法
    3.3誤差反傳遞算法
    3.3.1兩層網的缺點
    3.3.2擴展誤差（Δ）規(guī)則
    3.3.3模擬結果
    3.3.4進一步擴展
    3.3.5改良BP算法
    3.3.6模擬程序
    3.4競爭學習算法
    3.4.1競爭學習機構
    3.4.2競爭學習
    3.4.3形式分析
    3.4.4實驗結果
    3.4.5模擬程序
    參考文獻
    3.5遺傳算法的神經網絡構造方法
    3.5.1遺傳算法概述
    3.5.2遺傳算法應用實例
    3.5.3遺傳算法的形式描述
    3.5.4遺傳算法神經網絡
    參考文獻
    3.6基于自適應共振理論的自組織網絡
    3.6.1ART的提出
    3.6.2ART模型結構
    3.6.3競爭學習模型
    3.6.4任意輸入環(huán)境中的自穩(wěn)定學習
    3.6.5交替學習模型
    3.6.62/3規(guī)則
    3.6.7假定測試的自動控制
    3.6.8ART模型的數學方法
    3.6.9ART模型的學習算法
    參考文獻
   第四章 大規(guī)模人工神經網絡的實現
    4.1計算機并行機制
    4.1.1并行性等級
    4.1.2并行結構
    4.1.3處理機陣列
    4.1.4開關網絡
    4.2Systolic陣列結構神經網絡處理
    4.2.1Systolic陣列結構原理
    4.2.2波前陣列
    4.2.3人工神經網絡的Systolic陣列實現
    參考文獻
    4.3專用硬件
    4.3.1數字VLSI神經元處理器
    4.3.2模擬電路VLSI神經元處理器
    4.3.3系統實例
    4.3.4光技術機器