神經(jīng)計(jì)算與生長自組織網(wǎng)絡(luò)

第1章 神經(jīng)計(jì)算概述
1.1 神經(jīng)計(jì)算的基本原理與發(fā)展簡史
1.2 神經(jīng)計(jì)算的生物學(xué)機(jī)理
1.2.1 生物神經(jīng)元及其結(jié)構(gòu)
1.2.2 人工神經(jīng)網(wǎng)絡(luò)的定義
1.2.3 人工神經(jīng)網(wǎng)絡(luò)究竟可以做什么
1.3 人工神經(jīng)網(wǎng)絡(luò)的典型特征
1.4 人工神經(jīng)網(wǎng)絡(luò)模型
1.5 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則
第2章 人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)及其特性
2.1 生物神經(jīng)元的抽象模型
2.2 人工神經(jīng)元模型
2.3 激勵(lì)函數(shù)類型
2.4 神經(jīng)元的層次排列
2.5 多層前向神經(jīng)網(wǎng)絡(luò)
2.6 神經(jīng)網(wǎng)絡(luò)的靜態(tài)系統(tǒng)與動(dòng)態(tài)系統(tǒng)
2.6.1 連續(xù)時(shí)間動(dòng)態(tài)系統(tǒng)
2.6.2 離散時(shí)間動(dòng)態(tài)系統(tǒng)
2.6.3 一個(gè)連續(xù)時(shí)間正弦信號發(fā)生器
2.6.4 一個(gè)離散時(shí)間正弦信號發(fā)生器
2.7 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程
第3章 神經(jīng)感知器
3.1 感知器的數(shù)學(xué)模型
3.2 感知器作為模式分類器
3.3 具有三個(gè)突觸的感知器實(shí)例
3.4 感知器的權(quán)值選擇
3.5 感知器學(xué)習(xí)規(guī)則
3.6 一個(gè)修正的感知器學(xué)習(xí)規(guī)則
3.7 平面與立方體相交的一個(gè)二維實(shí)例
第4章 自適應(yīng)線性元件
4.1 自適應(yīng)線性元件概述
4.2 對一個(gè)戶變量函數(shù)的線性逼近
4.3 最陡梯度下降法
4.4 LMS學(xué)習(xí)規(guī)則
4.5 序貫遞歸算法
第5章 多層前饋神經(jīng)網(wǎng)絡(luò)
5.1 多層前饋神經(jīng)網(wǎng)絡(luò)概述
5.2 多層感知器
5.3 誤差的反向傳播
5.4 單隱層感知器的BP算法
5.4.1 輸出層計(jì)算
5.4.2 隱層計(jì)算
5.5 MLP的一個(gè)圖像編碼應(yīng)用實(shí)例
第6章 徑向基函數(shù)網(wǎng)絡(luò)
6.1 徑向基函數(shù)網(wǎng)絡(luò)概述
6.2 RBF網(wǎng)絡(luò)的基本理論
6.3 RBF網(wǎng)絡(luò)結(jié)構(gòu)
6.4 RBF網(wǎng)絡(luò)的學(xué)習(xí)算法
6.5 RBF神經(jīng)網(wǎng)絡(luò)小結(jié)
第7章 古典生長型神經(jīng)網(wǎng)絡(luò)
7.1 引言
7.2 離散型生長神經(jīng)網(wǎng)絡(luò)
7.2.1 堆砌式網(wǎng)絡(luò)
7.2.2 寶塔式網(wǎng)絡(luò)
7.2.3 爆發(fā)式網(wǎng)絡(luò)
7.3 連續(xù)型生長神經(jīng)網(wǎng)絡(luò)
7.3.1 約束庫倫能量網(wǎng)絡(luò)
7.3.2 級聯(lián)神經(jīng)網(wǎng)絡(luò)
7.3.3 資源配置網(wǎng)絡(luò)
7.4 小結(jié)
7.5 附注--Pocket算法
第8章 生長型自組織神經(jīng)網(wǎng)絡(luò)
8.1 競爭學(xué)習(xí)律
8.2 自組織映射網(wǎng)絡(luò)
8.2.1 自組織映射網(wǎng)絡(luò)之拓?fù)?br />8.2.2 自組織映射網(wǎng)絡(luò)學(xué)習(xí)算法
8.3 其他自組織映射模型
8.3.1 學(xué)習(xí)矢量量化
8.3.2 動(dòng)態(tài)學(xué)習(xí)矢量量化
8.3.3 內(nèi)插型自組織映射
8.4 生長自組織映射網(wǎng)絡(luò)
8.4.1 自組織表面
8.4.2 演化自組織映射
8.4.3 增量式網(wǎng)格生長
8.4.4 生長層次自組織映射
第9章 生長神經(jīng)元結(jié)構(gòu)及其變種
9.1 引言
9.2 生長神經(jīng)元模型
9.2.1 GCS網(wǎng)絡(luò)拓?fù)?br />9.2.2 GCS學(xué)習(xí)算法
9.2.3 監(jiān)督學(xué)習(xí)生長神經(jīng)元結(jié)構(gòu)
9.3 動(dòng)態(tài)神經(jīng)元結(jié)構(gòu)
9.3.1 動(dòng)態(tài)神經(jīng)元結(jié)構(gòu)機(jī)理
9.3.2 動(dòng)態(tài)神經(jīng)元結(jié)構(gòu)算法描述
9.3.3 討論
9.4 樹型生長神經(jīng)元結(jié)構(gòu)
9.4.1 TreeGCS網(wǎng)絡(luò)拓?fù)?br />9.4.2 TreeGCS算法描述
9.4.3 討論
9.5 概率生長神經(jīng)元結(jié)構(gòu)
9.5.1 數(shù)學(xué)背景
9.5.2 PGCS算法描述
9.5.3 討論
9.6 附注--Voronoi棋盤及Delaunay三角形剖分
第10章 外生長型神經(jīng)元結(jié)構(gòu)
10.1 引言
10.2 外生長神經(jīng)元結(jié)構(gòu)機(jī)理
10.2.1 EGCS的凸權(quán)外長
10.2.2 EGCS的凹權(quán)外長
10.2.3 外生長神經(jīng)元結(jié)構(gòu)的兩個(gè)變種
10.3 外生長神經(jīng)元結(jié)構(gòu)的監(jiān)督學(xué)習(xí)
10.4 二維外生長神經(jīng)元結(jié)構(gòu)監(jiān)督學(xué)習(xí)算法描述
10.5 對EGCS的測試
10.5.1 測試1--雙螺旋問題
10.5.2 測試2--基于聲納的巖石分類
10.6 對化學(xué)氣體傳感器的數(shù)據(jù)評價(jià)
10.6.1 咖啡品牌識別
10.6.2 甲苯、辛烷、丙醇及其混合物濃度預(yù)測
10.7 小結(jié)
第11章 多生長神經(jīng)元結(jié)構(gòu)
11.1 引言
11.2 多生長神經(jīng)元結(jié)構(gòu)機(jī)理
11.2.1 多生長神經(jīng)元結(jié)構(gòu)的監(jiān)督學(xué)習(xí)
11.2.2 Voronoi域的計(jì)算
11.3 二維監(jiān)督型多生長神經(jīng)元結(jié)構(gòu)算法描述
11.4 對多生長神經(jīng)元結(jié)構(gòu)的測試
11.4.1 測試1--雙螺旋問題
11.4.2 測試2--基于聲納的巖石分類
11.5 用多生長神經(jīng)元結(jié)構(gòu)求解模式識別問題
11.5.1 玻璃鑒別問題
11.5.2 馬病診斷問題
11.5.3 大豆病蟲害識別
11.5.4 信用卡認(rèn)定預(yù)測
第12章　 雙生長神經(jīng)氣網(wǎng)絡(luò)
12.1 神經(jīng)氣網(wǎng)絡(luò)
12.2 生長神經(jīng)氣算法
12.2.1 生長神經(jīng)氣網(wǎng)絡(luò)拓?fù)?br />12.2.2 生長神經(jīng)氣學(xué)習(xí)算法
12.2.3 生長神經(jīng)氣網(wǎng)絡(luò)主要特征
12.3 雙生長神經(jīng)氣網(wǎng)絡(luò)
12.3.1 雙生長神經(jīng)氣機(jī)理
12.3.2 雙生長神經(jīng)氣的監(jiān)督學(xué)習(xí)
12.4 二維監(jiān)督生長神經(jīng)氣算法描述
12.5 雙生長神經(jīng)氣網(wǎng)絡(luò)測試
12.6 雙生長神經(jīng)氣用于疾病診斷
12.6.1 Wisconsin乳腺癌診斷
12.6.2 大豆病蟲害鑒別問題
12.7 附注--競爭Hebb學(xué)習(xí)
參考文獻(xiàn)