人工神經(jīng)網(wǎng)絡(luò)原理

出版說明
前言
第1章 緒論
1.1 人工神經(jīng)網(wǎng)絡(luò)的概念
1.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史
1.2.1 興起時(shí)期
1.2.2 蕭條時(shí)期
1.2.3 興盛時(shí)期
1.2.4 高潮時(shí)期
1.3 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
1.4 人工神經(jīng)網(wǎng)絡(luò)的信息處理能力
1.5 人工神經(jīng)網(wǎng)絡(luò)的功能
1.6 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用
1.7 人工神經(jīng)網(wǎng)絡(luò)的主要研究方向
1.8 人工神經(jīng)網(wǎng)絡(luò)與人工智能
1.9 人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)計(jì)算
1.10 本章小結(jié)
1.11習(xí)題
第2章 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
2.1 生物神經(jīng)系統(tǒng)
2.1.1 生物神經(jīng)元的結(jié)構(gòu)
2.1.2 生物神經(jīng)元的功能
2.2 人工神經(jīng)元模型
2.2.1 人工神經(jīng)元的形式化描述
2.2.2 轉(zhuǎn)移函數(shù)
2.3 M—P模型
2.3.1 標(biāo)準(zhǔn)M—P模型
2.3.2 延時(shí)M—P模型
2.3.3 改進(jìn)的M—P模型
2.4 人工神經(jīng)網(wǎng)絡(luò)的互連結(jié)構(gòu)
2.5 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
2.5.1 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式
2.5.2 基本的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則
2.6 本章小結(jié)
2.7 習(xí)題
第3章 早期的自適應(yīng)神經(jīng)網(wǎng)絡(luò)模型
3.1 感知機(jī)
3.1.1 感知機(jī)模型結(jié)構(gòu)
3.1.2 感知機(jī)處理單元模型
3.1.3 感知機(jī)學(xué)習(xí)算法
3.1.4 感知機(jī)的局限性
3.1.5 感知機(jī)的收斂性
3.2 自適應(yīng)線性元件
3.2.1 ADALINE模型結(jié)構(gòu)
3.2.2 ADALINE學(xué)習(xí)算法
3.3 本章小結(jié)
3.4 習(xí)題
第4章 誤差反向傳播神經(jīng)網(wǎng)絡(luò)
4.1 誤差反向傳播神經(jīng)網(wǎng)絡(luò)的提出
4.2 誤差反向傳播神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4.3 誤差反向傳播神經(jīng)網(wǎng)絡(luò)處理單元模型
4.4 誤差反向傳播學(xué)習(xí)算法
4.5 誤差反向傳播學(xué)習(xí)算法的數(shù)學(xué)基礎(chǔ)
4.6 誤差反向傳播學(xué)習(xí)算法的改進(jìn)
4.6.1 BP算法存在的問題
4.6.2 累積誤差校正算法
4.6.3 Sigmoid函數(shù)輸出限幅的BP算法
4.6.4 增加動(dòng)量項(xiàng)的BP算法
4.6.5 學(xué)習(xí)速率自適應(yīng)調(diào)整算法
4.7 隱含層的特征抽取作用
4.8 誤差反向傳播神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例
4.8.1 BP神經(jīng)網(wǎng)絡(luò)的主要能力
4.8.2 BP神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用
4.8.3 BP神經(jīng)網(wǎng)絡(luò)在股票市場(chǎng)中的應(yīng)用
4.9 本章小結(jié)
4.10 習(xí)題
第5章 Hopfield神經(jīng)網(wǎng)絡(luò)
5.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)
5.I.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
5.1.2 離散型Hopfield神經(jīng)網(wǎng)絡(luò)處理單元模型
5.1.3 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的狀態(tài)及運(yùn)行規(guī)則
5.1.4 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)
5.1.5 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的連接權(quán)值設(shè)計(jì)
5.1.6 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的信息存儲(chǔ)容量
5.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)
5.2.1 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
5.2.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)處理單元模型
5.2.3 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)的狀態(tài)
5.2.4 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)
5.3 Hopfield神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例
5.3.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例
5.3.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例
5.4 本章小結(jié)
5.5習(xí)題
第6章 Boltzmann機(jī)
6.1 隨機(jī)型神經(jīng)網(wǎng)絡(luò)的提出
6.2 Boltzmann機(jī)的網(wǎng)絡(luò)結(jié)構(gòu)
6.3 Bohzmann機(jī)處理單元模型
6.4 Boltzmann機(jī)的能量函數(shù)
6.5 Boltzmann機(jī)的Bollzmann分布
6.6 Boltzmann機(jī)的運(yùn)行規(guī)則
6.6.1 模擬退火算法
6.6.2 網(wǎng)絡(luò)運(yùn)行規(guī)則
6.7 Boltzmann機(jī)的學(xué)習(xí)規(guī)則
6.7.1 自聯(lián)想記憶的學(xué)習(xí)規(guī)則
6.7.2 互聯(lián)想記憶的學(xué)習(xí)規(guī)則
6.8 模擬退火算法應(yīng)用實(shí)例
6.9 本章小結(jié)
6.10 習(xí)題
第7章 自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)
7.1 自組織神經(jīng)網(wǎng)絡(luò)的提出
7.2 競(jìng)爭(zhēng)學(xué)習(xí)
7.2.1 競(jìng)爭(zhēng)學(xué)習(xí)的概念
7.2.2 競(jìng)爭(zhēng)學(xué)習(xí)規(guī)則
7.3 自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)的提出及特點(diǎn)
7.4 ART1神經(jīng)網(wǎng)絡(luò)
7.4.1 ART1神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7.4.2 ART1神經(jīng)網(wǎng)絡(luò)處理單元模型
7.4.3 ART1神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則
7.4.4 ART1神經(jīng)網(wǎng)絡(luò)特性分析
7.4.5 ART1神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例
7.5 ART2神經(jīng)網(wǎng)絡(luò)
7.5.1 ART2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7.5.2 ART2神經(jīng)網(wǎng)絡(luò)處理單元模型
7.5.3 ART2神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則
7.5.4 ART2神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例
7.6 本章小結(jié)
7.7 習(xí)題
第8章 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用的設(shè)計(jì)開發(fā)
8.1 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用的特點(diǎn)及適用范圍
8.2 人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)開發(fā)過程
8.3 人工神經(jīng)網(wǎng)絡(luò)模型的選取
8.4 人工神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)
8.4.1 節(jié)點(diǎn)級(jí)設(shè)計(jì)
8.4.2 網(wǎng)絡(luò)級(jí)設(shè)計(jì)
8.4.3 訓(xùn)練級(jí)設(shè)計(jì)
8.5 人工神經(jīng)網(wǎng)絡(luò)模型的實(shí)現(xiàn)
8.5.1 準(zhǔn)備樣本數(shù)據(jù)
8.5.2 選取訓(xùn)練樣本
8.5.3 網(wǎng)絡(luò)訓(xùn)練與測(cè)試
8.6 本章小結(jié)
8.7 習(xí)題
第9章 人工神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)
9.1 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)技術(shù)概述
9.1.1 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的發(fā)展歷史
9.1.2 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方案的分類
9.2 神經(jīng)網(wǎng)絡(luò)的虛擬實(shí)現(xiàn)
9.2.1 基于傳統(tǒng)計(jì)算機(jī)的軟件模擬
9.2.2 神經(jīng)網(wǎng)絡(luò)并行多機(jī)系統(tǒng)
9.2.3 神經(jīng)計(jì)算加速器
9.3 神經(jīng)網(wǎng)絡(luò)的物理實(shí)現(xiàn)
9.3.1 神經(jīng)網(wǎng)絡(luò)的VLSI實(shí)現(xiàn)
9.3.2 神經(jīng)網(wǎng)絡(luò)的光學(xué)實(shí)現(xiàn)
9.3.3 神經(jīng)網(wǎng)絡(luò)的分子實(shí)現(xiàn)
9.4 本章小結(jié)
9.5 習(xí)題
第10章 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
10.1 神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)
10.1.1 基于規(guī)則的專家系統(tǒng)
10.1.2 神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的比較
10.1.3 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
10.2 神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)
10.2.1 模糊系統(tǒng)
10.2.2 神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)的比較
10.2.3 模糊神經(jīng)網(wǎng)絡(luò)
10.3 本章小結(jié)
附錄
附錄A 人工神經(jīng)網(wǎng)絡(luò)的主要研究工作
附錄B BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)太陽(yáng)黑子數(shù)量預(yù)測(cè)源程序
附錄C Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像自聯(lián)想記憶源程序
附錄D 模擬退火算法實(shí)現(xiàn)TSP源程序
附錄E ARTl神經(jīng)網(wǎng)絡(luò)源程序
參考文獻(xiàn)