神經網絡的應用與實現

前言
第1章自適應神經網絡模式識別
1.1引言
1.1.1模式識別的基本概念
1.1.2模式識別方法概述
1.1.3模式識別專家系統(tǒng)
1.2神經網絡分類器
1.3不變性模式識別的神經網絡方法
1.3.1高階神經網絡方法
1.3.2基于三階相關的高階神經網絡模式識別
1.3.3基于不變矩神經網絡的模式識別
1.4K-L變換
1.4.1統(tǒng)計最優(yōu)準則
1.4.2子空間法的數學基礎
1.4.3K-L變換
1.4.4基于K-L變換的特征選擇
1.4.5基于K-L變換的分類特征提取
1.4.6K-L變換的數值計算
1.5主分量分析法
1.5.1主分量分析的基本思想
1.5.2主分量的定義與求法
1.5.3主分量的性質
1.5.4主分量的計算方法
1.5.5因子分析
1.6基于神經網絡的主分量分析
1.6.lOja算法
1.6.2Sanger算法
1.6.3自適應主分量提取的神經網絡學習算法
1.6.4基于正交學習網絡的約束主分量分析
1.6.5面向主分量提取的無導師神經網絡算法
1.6.6復數主分量分析的神經網絡算法
1.7學習子空間方法
1.7.1自適應學習的基本準則
1.7.2學習予空間法的基本思想
1.7.3Kohonen學習子空間法
1.7.4基于神經網絡的學習對偶子空間法
1.7.5廣義感知器網絡
參考文獻
第2章神經網絡在信號處理與圖像處理中的應用
2.1信號變換與分解
2.1.1DFT的神經網絡實現
2.1.2信號分解問題的神經網絡方法
2.2神經網絡自適應算法
2.2.l基本概念
2.2.2自適應神經網絡算法
2.2.3神經網絡自適應濾波器
2.3自適應神經網絡均衡與干擾對消
2.3.1多層前向神經網絡均衡器
2.3.2基于Hopfjeld網絡的均衡器設計
2.3.3基于神經網絡的干擾對消
2.4基于神經網絡的信號檢測與估計
2.4.1LS準則下的信號檢測與估計
2.4.2線性約束LS準則下的信號檢測與估計
2.4.3用于方向估計的神經網絡方法
2.5基于神經網絡的圖像處理
2.5.1神經網絡廣義變換編碼
2.5.2基于神經網絡的矢量量化
2.5.3基于神經網絡的降維矢量量化
2.5.4圖像恢復的神經網絡方法
2.6細胞神經網絡及其在圖像處理中的應用
2.6.1連續(xù)時間細胞神經網絡
2.6.2廣義細胞神經網絡
2.6.3基于細胞神經網絡的圖像處理
2.6.4基于細胞神經網絡的運動檢測
2.7子波神經網絡理論與應用
2.7.1引言
2.7.2子波變換理論
2.7.3多分辨分析框架和快速子波算法
2.7.4子波包理論與快速算法
2.7.5神經網絡自適應子波
2.7.6緊支正交子波神經網絡
2.7.7自適應斜交子波神經網絡
2.7.8子波神經網絡的非線性逼近能力分析
參考文獻
第3章神經控制理論與應用
3.1神經控制引論
3.1.1控制科學：成功與挑戰(zhàn)
3.1.2神經網絡用于控制系統(tǒng)的可能方式與結構
3.2用于控制的神經網絡
3.2.1靜態(tài)多層前向網絡
3.2.2動態(tài)反饋網絡的控制語言描述
3.3神經網絡智能控制
3.3.1智能控制的基本思想
3.3.2智能控制系統(tǒng)的分類
3.3.3智能化自適應控制
3.3.4自適應神經網絡智能控制
3.3.5智能控制系統(tǒng)的學習方式
3.4基于神經網絡的系統(tǒng)辨識
3.4.1神經網絡辨識基礎
3.4.2神經網絡辨識的基本方法
3.4.3非線性靜態(tài)系統(tǒng)辨識
3.4.4非線性動態(tài)系統(tǒng)辨識
3.5神經網絡模糊控制方法
3.5.1神經網絡模糊控制的基本思想
3.5.2神經模糊控制器
3.5.3神經模糊控制規(guī)則
參考文獻
第4章神經計算機：虛擬實現
4.1神經計算機導論
4.1.1神經計算機的信息處理方式
4.1.2神經計算機的分類與實現
4.1.3設計神經網絡計算機的幾個問題
4.2神經計算機的體系結構
4.2.1并行計算機
4.2.2神經計算機的體系結構
4.2.3通用與專用神經計算機
4.3神經軟件與發(fā)展環(huán)境
4.3.1神經軟件
4.3.2神經計算機的開發(fā)環(huán)境
4.3.3神經軟件包簡介
4.4神經計算機的信息存貯方法與性能分析
4.4.1神經網絡信息數組和鏈表存貯方法
4.4.2神經網絡信息存貯的改進方法
4.5神經網絡協(xié)處理器
4.5.1ANZA協(xié)處理器
4.5.2Mark系列協(xié)處理器
4.5.3odyssey協(xié)處理器
4.6基于并行處理器陣列的神經計算機
4.6.l幾種并行陣列神經計算機
4.6.2并行處理機上的神經網絡實現技術
4.7基于Transouter的神經計算機
4.7.1Transputer和Occam語言
4.7.2基于Transputer的并行C語言
4.7.3通用并行神經計算機：Gp2N2S2
4.7.4高級神經網絡描述語言及編譯器
4.7.5GP2N2S2并行模擬控制器的設計與實現
4.7.6總控模塊的設計與實現
4.7.7系統(tǒng)集成環(huán)境的設計
4.7.8新算法的開發(fā)與實現
4.8神經網絡多媒體技術
4.8.1神經計算機應用于多媒體系統(tǒng)的思想
4.8.2神經網絡與多媒體技術實現
4.9新的信息處理技術計劃--真實世界計算計劃
4.9.1背景
4.9.2RWC基礎理論研究計劃
4.9.3RWC的大規(guī)模并行處理系統(tǒng)MPP
4.9.4RWC神經元系統(tǒng)
4.9.5RWC應用的新功能
4.9.6RWC的策略措拖
4.10渾沌智能信息處理
參考文獻
第5章神經計算機：VLSI實現
5.1VLSI神經計算機導論
5.1.1概述
5.1.2VLSI神經計算機的性能指標
5.2VLSI神經計算機的基本單元
5.2.1神經器件
5.2.2突觸連接權值的集成電路實現
5.2.3VLSI神經計算機的有源積木塊
5.2.4模擬乘法器
5.3神經計算機的數字VLSI實現
5.3.1基本積木塊
5.3.2HoPfield網絡的數字實現
5.3.3乘法D／A數字神經網絡實現
5.4神經計算機的脈沖流VLSI實現
5.4.1集成脈沖流神經網絡的基本單元
5.4.2脈沖流VLSI神經網絡
5.5神經計算機的SC實現
5.5.1SC神經網絡的基本積木塊
5.5.2離散神經網絡的SC實現
5.5.3開關電流神經網絡
5.5.4非線性優(yōu)化SC神經網絡
5.6神經計算機的電流模式VLSI實現
5.6.1電流模式IC的基本積木塊
5.6.2MOSFET－C神經網絡
5.6.3跨導一C神經網絡
5.7可重構VLSI神經網絡
5.7.1可重構性
5.7.2分布神經元--突觸實現
參考文獻