《现代神经网络应用》求取 ⇩

1.1 概述1

1.2 动机1

第一章前言1

1.3 回顾2

1.4 生物神经元2

2.1 概述2

1.5 人工神经元3

1.6 神经网络4

1.7 工具箱5

1.8 选择正确的算法16

第二章神经网络基础22

2.2 简介22

2.4 ANS的概念23

2.3 何为“艰难”问题23

2.5 ANS实现25

2.6 应用27

2.7 人工神经系统展望30

第三章在变化的环境中使用自适应网络进行资源分配31

3.1 概述31

3.2 简介31

3.3 BANKET33

3.4 航空收入管理34

3.5 航空市场专家（AMT）35

3.6 规划及任务管理37

3.7 自适应网络空勤组训练调度程序（ANATS）37

3.8 结论38

第四章保险业中的医疗风险评估41

4.1 概述41

4.2 简介41

4.3 用于分类问题的神经网络模型44

4.4 分类网络的结构46

4.5 互连专家系统环境48

4.6 结论51

第五章用神经计算模拟化学处理系统54

5.1 概述54

5.2 简介54

5.3 反向传播网络55

5.4 稳态例子56

5.5 动力学实例58

5.6 解释生物传感器数据61

5.7 结论64

第六章神经网络在机器人学方面的应用66

6.1 概述66

6.2 简介66

6.3 机器人学中的逆运动学问题66

6.4 用分级神经网络学习机器人动力学特点69

第七章神经网络在计算机视觉系统上的应用74

7.1 概述74

7.2 简介74

7.3 视觉的生物神经网络74

7.4 人工神经网络77

7.5 Kohonen网络79

7.6 误差反传82

7.7 特征提取83

7.8 同统计分类器的对比85

7.9 应用概述及结论86

第八章用神经网络划分图象89

8.1 概述89

8.2 简介89

8.3 网络90

8.4 实现91

8.5 结果93

8.6 结论95

9.2 简介98

9.1 概述98

第九章最优化神经网络在对象识别中的应用98

9.3 测量神经网络中的信息流——条件类熵99

9.4 化为通用的西哥蒙德激励函数101

9.5 建造最优神经网络的监督算法——最小化条件类熵101

9.6 二元模式中的对称轴移动不变性识别103

9.7 人脸的探测104

9.8 结论107

第十章用反向传播网络识别手写数字110

10.1 概述110

10.2 简介110

10.3 邮政编码识别110

10.4 预处理111

10.5 网络112

10.6 结果114

10.7 结论114

第十一章用于不变性模式识别的高阶神经网络117

11.1 概述117

11.2 简介117

11.3 不变性“动态”联想记忆117

11.4 Hopfield网络和自联想感知器的不变性联想记忆特点118

11.5 使用Hopfield网络和自联想感知器进行数字识别120

11.6 在改善吸引凹陷方面图象模糊的作用122

11.7 使用高阶网络进行不变性模式识别125

11.8 使用矩法进行不变性模式识别128

11.9 使用三阶网络和Zernike矩分类器识别数字129

11.10 结论133

第十二章电子仿生视网膜及展望137

12.1 概述137

12.2 简介137

12.3 视网膜138

12.4 基视觉皮层143

12.5 仿生处理144

12.6 结论145

第十三章结论147

13.1 发展趋势147

13.2 温和派、荒涎派及嘲讽派148

13.3 应用领域149

13.4 展望152

附录 词汇159