人工神經(jīng)網(wǎng)絡理論、設計及應用

1　緒論
　1.1　人腦與計算機
　　1.1.1　人腦與計算機信息處理能力的比較
　　1.1.2　人腦與計算機信息處理機制的比較
　　1.1.3　什么是人工神經(jīng)網(wǎng)絡
　1.2　人工神經(jīng)網(wǎng)絡發(fā)展簡史
　　1.2.1　啟蒙時期
　　1.2.2　低潮時期
　　1.2.3　復興時期
　　1.2.4　新時期
　　1.2.5　國內(nèi)研究概況
　1.3　神經(jīng)網(wǎng)絡的基本特征與功能
　　1.3.1　神經(jīng)網(wǎng)絡的基本特征
　　1.3.2　神經(jīng)網(wǎng)絡的基本功能
　1.4　神經(jīng)網(wǎng)絡的應用領域
　　1.4.1　信息處理領域
　　1.4.2　自動化領域
　　1.4.3　工程領域
　　1.4.4　經(jīng)濟領域
　　1.4.5　醫(yī)學領域
　本章小結(jié)
　思考與練習
2　神經(jīng)網(wǎng)絡基礎知識
　2.1　人工神經(jīng)網(wǎng)絡的生物學基礎
　　2.1.1　生物神經(jīng)元的結(jié)構(gòu)
　　2.1.2　生物神經(jīng)元的信息處理機理
　2.2　人工神經(jīng)元模型
　　2.2.1　神經(jīng)元的建模
　　2.2.2　神經(jīng)元的數(shù)學模型
　　2.2.3　神經(jīng)元的轉(zhuǎn)移函數(shù)
　2.3　人工神經(jīng)網(wǎng)絡模型
　　2.3.1　網(wǎng)絡拓撲結(jié)構(gòu)類型
　　2.3.2　網(wǎng)絡信息流向類型
　2.4　神經(jīng)網(wǎng)絡學習
　　2.4.1　Hebb學習規(guī)則
　　2.4.2　Perceptron學習規(guī)則
　　2.4.3　δ學習規(guī)則
　　2.4.4　LMS學習規(guī)則
　　2.4.5　Correlation學習規(guī)則
　　2.4.6　WinnerTakeAll學習規(guī)則
　　2.4.7　Outstar學習規(guī)則
　本章小結(jié)
　思考與練習
3 監(jiān)督學習神經(jīng)網(wǎng)絡
　3.1　單層感知器
　　3.1.1　感知器模型
　　3.1.2　單節(jié)點感知器的功能分析
　　3.1.3　感知器的學習算法
　　3.1.4　感知器的局限性及解決途徑
　3.2　基于誤差反傳的多層感知器——BP神經(jīng)網(wǎng)絡
　　3.2.1　BP網(wǎng)絡模型
　　3.2.2　BP學習算法
　　3.2.3　BP算法的程序?qū)崿F(xiàn)
　　3.2.4　BP網(wǎng)絡的主要能力
　　3.2.5　誤差曲面與BP算法的局限性
　3.3　BP算法的改進
　　3.3.1　增加動量項
　　3.3.2　自適應調(diào)節(jié)學習率
　　3.3.3　引入陡度因子
　3.4　BP網(wǎng)絡設計基礎
　　3.4.1　網(wǎng)絡信息容量與訓練樣本數(shù)
　　3.4.2　訓練樣本集的準備
　　3.4.3　初始權(quán)值的設計
　　3.4.4　BP網(wǎng)絡結(jié)構(gòu)設計
　　3.4.5　網(wǎng)絡訓練與測試
　3.5　BP網(wǎng)絡應用與設計實例
　　3.5.1　BP網(wǎng)絡用于催化劑配方建模
　　3.5.2　BP網(wǎng)絡用于汽車變速器最佳擋位判定
　　3.5.3　BP網(wǎng)絡用于圖像壓縮編碼
　　3.5.4　BP網(wǎng)絡用于水庫優(yōu)化調(diào)度
　　3.5.5　BP網(wǎng)絡用于證券預測
　　3.5.6　BP網(wǎng)絡用于信用評價模型及預警
　本章小結(jié)
　思考與練習
4 競爭學習神經(jīng)網(wǎng)絡
　4.1　競爭學習的概念與原理
　　4.1.1　基本概念
　　……
5　組合學習神經(jīng)網(wǎng)絡
6　反饋神經(jīng)網(wǎng)絡
7　小腦模型神經(jīng)網(wǎng)絡
8　基于數(shù)學原理的神經(jīng)網(wǎng)絡
9　神經(jīng)網(wǎng)絡的系統(tǒng)設計與軟件實現(xiàn)
10　神經(jīng)網(wǎng)絡研究展望
附錄1　常用神經(jīng)網(wǎng)絡C語言源程序
附錄2　神經(jīng)網(wǎng)絡常用術(shù)語英漢對照
參考文獻