《神经网络实现技术》求取 ⇩

第一章神经网络实现技术概论1

§1.1神经网络实现技术概述1

§1.1.1 神经网络实现技术研究内容和意义1

目 录1

§1.1.2神经计算机与电子计算机的区别和联系3

§1.2神经网络实现技术的研究历史5

§1.3神经网络虚拟实现技术研究概述8

§1.3.1基于传统计算机系统的软件仿真8

§1.3.2神经网络并行多机系统13

§1.3.3带加速板的电子神经计算机17

§1.4神经网络全硬件实现技术概述18

§1.4.1神经网络VLSI实现19

§1.4.2神经网络的光学实现22

§1.4.3神经网络的分子／化学实现技术26

§2.1.1神经网络模型的基本组成28

第二章神经网络计算系统28

§2.1人工神经网络基本概念28

§2.1.2神经网络的分类及典型的神经网络模型36

§2.1.3神经网络结构及神经计算特点38

§2.1.4神经计算的稳定性42

§2.2前馈神经网络模型46

§2.2.1自适应线性元模型（ADALINE）46

§2.2.2感知机50

§2.3反馈神经网络模型55

§2.3.1 Hopfield神经网络模型55

§2.3.2海明神经网络模型59

§2.3.3双向联想存储器（BAM）61

§2.4自组织神经网络模型65

§2.4.1自适应谐振理论（ART）65

§2.4.2 自组织映射神经网络模型（SOM）71

§2.4.3对流神经网络模型（CPN）76

§2.4.4认知机80

§2.5随机神经网络模型84

§2.5.1模拟退火算法84

§2.5.2 Boltzmann机87

§2.5.3谐和理论90

第三章神经网络软件实现94

§3.1 概述94

§3.2神经网络在微机上的实现95

§3.2.1编程语言的选择95

§3.2.2 BP神经网络模型在微机上的实现96

§3.3神经网络软件实现中的一些问题119

§3.3.1神经网络输入数据的组织119

§3.3.2神经网络计算的显示120

§3.3.3翻译和编译121

§3.3.4存储器容量限制122

§3.3.5神经网络应用程序的调试122

第四章神经网络软件开发环境123

§4.1神经网络软件开发环境概述123

§4.1.1概述123

§4.1.2神经网络软件开发环境研制背景125

§4.2神经网络模型的描述127

§4.2.1概述127

§4.2.2神经网络模型的描述129

§4.3神经网络软件开发环境132

§4.3.1 概述132

§4.3.2 Case Net：一种神经网络软件开发环境134

§4.4大型通用神经网络模拟系统140

§4.4.1 系统结构141

§4.4.2神经网络描述语言（NNDL）148

§4.4.3描述语言解释的内部表达169

§4.4.4系统的特点及其与国外同类系统的比较184

第五章神经计算协处理器186

§5.1 ANZA协处理器186

§5.2Odyssey协处理器189

§5.2.1Odyssey系统的设计思想190

§5.2.2Odyssey系统结构192

§5.2.3软件环境195

§5.2.4 Odyssey系统的应用199

§5.3 Delta神经计算协处理器201

第六章并行神经计算机实现基础207

§6.1并行实现神经计算的方法207

§6.1.1概述207

§6.1.2并行实现神经计算方法的评价210

§6.2并行神经计算机实现需求分析211

§6.2.1神经计算过程的分析211

§6.2.2单个处理单元的基本操作分析214

§6.2.3一种并行实现神经计算的模型216

§6.2.4对处理单元计算速度的要求分析220

§6.2.5对处理单元个数的要求222

§6.2.6对通信带宽的要求225

§6.2.7对存储容量的需求226

§6.3神经计算机系统设计的一些问题228

§6.3.1前端机和后端机的连接方式228

§6.3.2前端机和后端机的交互协议231

§6.3.3并行神经计算机系统的模拟规模231

§6.3.4并行神经计算机系统的通用性232

§6.3.5并行神经计算机系统的处理单元233

§6.3.6神经计算机系统的机器字长235

§6.3.7神经计算机系统软件的接口能力235

§6.3.8神经计算机系统的可移植性和可扩展性236

§7.1 IBM NEP并行神经计算机系统237

第七章几种并行神经计算机系统237

§7.2 TI NETSIM并行神经计算机系统239

§7.3 MARK系列并行神经计算机240

§7.3.1 MARK—Ⅲ并行神经计算机系统240

§7.3.2 MARK—Ⅳ神经计算机243

§7.4通用高速变结构并行神经计算机概述247

§7.4.1 NeuroC—I硬件系统构成248

§7.4.2后端机处理单元的选择及其结构249

§7.4.3后端机存储器模块的结构250

§7.4.4系统通信控制器的结构251

§7.4.5后端机与前端机的接口253

§7.4.6硬件系统的工作方式253

§7.4.7系统变结构机制255

第八章面向对象神经网络描述语言257

§8.1神经网络语言设计需求分析257

§8.2.1面向对象方法学思想的引入260

§8.2面向对象神经网络语言概述260

§8.2.2面向对象神经网络描述语言概述262

§8.3神经网络模型和神经计算过程描述265

§8.3.1神经网络模型描述265

§8.3.2神经网络计算过程描述269

§8.4面向对象神经网络语言的特点分析271

第九章OONL并行编译器273

§9.1OONL编译实现概述273

§9.1.1OONL的编译流程273

§9.1.2 OONL各个编译过程的功能275

§9.2并行编译第二遍扫描中的关键技术277

§9.2.1拓扑结构和处理特性的内部描述的形成277

§9.2.2神经计算并行执行拓扑图的形成281

§9.3.1五个并行执行的C语言应用程序的形成方法284

§9.3并行编译第三遍扫描中的关键技术284

§9.3.2神经网络描述到数据结构定义的转换288

§9.3.3 含神经计算语句的等价变换及其分割方法289

§9.4过程数据流程分析298

§9.4.1基本定义299

§9.4.2不带参数的过程数据流程分析300

§9.4.3一般情形的数据流程统计302

§9.4.4数据流程分析的应用305

§9.5神经网络信息存储组织方法306

§9.5.1概述306

§9.5.2两种基本的神经网络信息存储方法307

§9.5.3两种改进的神经网络信息存储方法309

第十章神经计算映射算法314

§10.1神经计算映射算法研究概述314

§10.2神经网络映射算法基础316

§10.3层次交叉分割映射算法318

§10.3.1层次交叉分割映射算法基础318

§10.3.2层次交叉分割映射算法及其实现319

§10.4基于模拟退火思想的映射算法336

§10.4.1通用神经计算并行模型NCPM概述336

§10.4.2神经计算映射相关概念的形式化描述338

§10.4.3基于模拟退火思想的通用神经计算映射算法342

§10.5基于时间标记的神经网络映射算法347

§10.5.1基于时间标记的神经网络映射算法开发基础347

§10.5.2基于时间标记的神经网络映射算法349

§10.5.3基于时间标记的神经网络映射算法的分析351

§10.5.4基于时间标记的神经网络映射算法的测试结果356

§10.6神经网络映射算法评述360

§11.1概述363

§11.1.1 并行神经计算机系统中交互作用分析363

第十一章NeuroC控制系统363

§11.1.2 NeuroC并行神经计算机控制系统概述365

§11.2 NeuroC用户集成环境367

§11.2.1概述367

§11.2.2 NeuroC用户集成环境的功能及其实现367

§11.3后端机处理单元的监控系统374

§11.4通信控制系统的设计与实现375

§11.4.1 系统中数据信息的发送和接收375

§11.4.2前后端机命令的发送和接收377

第十二章基于Transputer的并行实现379

§12.1概述379

§12.2基于Transputer的实现基础381

§12.2.1 Transputer381

§12.2.2多Transputer并行处理系统387

§12.2.3 Transputer配套的语言389

§12.3.1 KD—GP2N2S2系统组成392

§12.3 KD—GP2N2S2并行神经计算机系统392

§12.3.2 KD-GP2N2S2系统实现关键技术396

第十三章Systolic并行实现技术403

§13.1概述403

§13.2神经计算Systolic实现一般方法404

§13.2.1神经计算映射方法404

§13.2.2 回忆过程的环形Systolic阵列结构408

§13.2.3学习过程的环形Systolic阵列412

§13.3一种Systollic并行神经计算系统417

§13.3.1硬件体系结构417

§13.3.2软件体系结构427

§13.3.3神经计算的实现428

第十四章神经网络模拟VLSI实现435

§14.1 神经网络模拟VLSI实现基础435

§14.1.1 当前模拟VLSI研究现状435

§14.1.2 神经网络电压模式模拟VLSI实现基础438

§14.1.3神经网络电流模式VLSI实现基础445

§14.1.4神经网络模拟VLSI单元454

§14.1.5模拟VLSI互连矩阵的实现466

§14.2 J.Herault—C.Jutten神经网络的模拟实现473

§14.2.1 J.Herault—C.Jutten神经网络简介473

§14.2.2 J.Hérault—C.Jutten网络模拟CMOS实现概述477

§14.2.3 J.Hérault-C.Jutten网络的CMOS实现480

§14.3通用模拟神经计算机VLSI部件的设计和制造485

§14.3.1概述485

§14.3.2神经元模块的VLSI实现487

§14.3.3突触模块的VLSI实现492

§14.3.4开关模块495

§15.1专用数字VLSI神经网络实现技术499

§15.1.1 BACCHUS神经芯片499

第十五章神经网络数字VLSI实现技术499

§15.1.2 STONN神经芯片505

§15.2通用数字VLSI神经网络实现技术510

§15.2.1 X1神经芯片511

§15.2.2 NLX420神经芯片517

§15.2.3 一种圆片集成神经网络芯片527

§15.3脉冲神经网络的一种数模混合实现536

第十六章光学神经网络实现技术基础544

§16.1 引言544

§16.2光学数字逻辑器件547

§16.2.1半导体光学双稳态器件547

§16.2.2半导体标准具548

§16.2.3 自电光效应器件（SEED）550

§16.2.4面发光元器件552

§16.2.5面输入／输出光电复合器件（VSTEP）555

§16.2.6空间光调制器（SLM）557

§16.2.7新型元器件研究562

§16.3神经网络光学实现技术基础562

§16.3.1概述562

§16.3.2非线性光学现象564

§16.3.3量子阱光电子器件的研究572

§16.4光互连技术582

第十七章神经网络光学实现技术588

§17.1光学神经芯片588

§17.1.1光纤互连式光学神经网络处理装置589

§17.1.2三层集成结构光学神经芯片的研制591

§17.1.3可编程光学神经芯片593

§17.2二维图像联想存储的光学神经计算机598

§17.2.1光学全息关联存储器598

§17.2.2光联想存储人工神经网络试验装置602

§17.2.3应用举例603

§17.3二维可编程光学神经计算系统装置605

§17.3.1可编程光学神经网络605

§17.3.2应用举例606

§17.4混合式神经计算系统607

§17.4.1混合式神经网络装置的基本结构607

§17.4.2光学神经网络制作与模拟608

§17.5视觉信息联想处理机611

第十八章生物分子神经网络实现技术614

§18.1发展由来614

§18.2分子计算模型615

§18.3分子计算机初探616

§18.3.1分子／原子级的平版印刷术617

§18.3.2数字分子计算机619

§18.3.3感触式分子计算机624

参考文献630