《神经网络系统理论》求取 ⇩

第一章绪论1

1.1 神经网络的研究历史1

1.2 生物神经元模型4

1.3 神经网络的基本特征和通有性质6

1.4 神经网络的研究方法与主要内容14

第二章神经网络理论基础17

2.1 MP模型和Hebb学习规则17

2.2 动力系统的稳定性19

2.3 稳定性的Lyapunov第二方法22

第三章神经网络模型Ⅰ：前向网络26

3.1 线性阈值单元26

3.2 感知器27

3.3 BP算法（反向传播算法）34

3.4 前向网络的映射作用与容量分析36

3.5 自适应线性元件（Adaline）41

3.6 交替投影神经网络（APNN）45

4.1 离散的Hopfield神经网络52

第四章神经网络模型Ⅱ：反馈网络52

4.2 联想记忆与神经计算57

4.3 连续时间Hopfield神经网络模型59

4.4 高阶关联神经网络模型67

4.5 联想存贮器分析70

4.6 双向联想记忆（BAM）73

4.7 高阶自相关器和异相关器79

5.1 自适应共振理论（ART）89

第五章自组织神经网络89

5.2 自组织特征映射92

5.3 CPN模型94

5.4 神经认知机98

第六章随机神经网络101

6.1 模拟退火算法101

6.2 Boltzmann机106

6.3 NN的概率统计法111

6.4 并行分布Cauchy机114

6.5 神经网络的熵理论116

6.6 动力系统的分维学121

6.7 分维神经网络124

第七章神经网络的统一描述与Systolic阵列实现127

7.1 Systolic阵列127

7.2 波前阵列处理器134

7.3 神经网络的通有迭代模型135

7.4 回归BP和HMM的统一描述142

7.5 算法到Systolic阵列／波前阵列结构的映射145

7.6 通有迭代ANN模型的Systolic设计148

8.1 通有连续时间神经网络模型159

第八章连续时间非线性神经网络模型及其时空特征159

8.3 通有神经网络的时空结构与延时动力学182

8.2 通有神经网络模型的关联稳定性187

第九章神经网络的设计与综合192

9.1 联想记忆设计要求192

9.2 神经网络综合的基本方法193

9.3 Hopfield型同步离散神经网络用于AM的综合200

9.4 Hopfield连续时间联想记忆的综合208

9.5 超闭正立体上线性神经网络的综合212

9.6 不连续神经网络系统的综合216

第十章神经优化计算227

10.1 Hopfield模型理论分析227

10.2 TSP问题230

10.3 神经优化计算的一种新方法237

第十一章神经网络专家系统242

11.1 专家系统的发展与现状242

11.2 神经网络专家系统基本原理与结构243

11.3 基于神经网络系统的知识表示、获取与推理245

11.4 组合神经网络专家系统的实现249

11.5 小结251

第十二章神经网络计算机及其VLSI实现252

12.1神经网络计算机252

12.2 神经网络的数字VLSI实现256

12.3 神经网络的电压模式模拟VLSI实现259

12.4 神经网络的电流模式模拟VLSI设计与实现263

12.5 全集成模拟神经网络优化处理器267