《人工神经元网络原理》

目录1

序言1

前言1

第一章 绪论1

1.1　神经元网络研究简史1

1.2　生物神经元模型4

1.2.1　生物神经元的结构4

1.2.2　神经元的功能6

1.2.3　神经元的M-P模型8

1.3　神经元网络的基本特性11

1.3.1　数字计算机的局限性11

1.3.2　神经元网络的基本特性15

1.3.3　计算机、人脑与神经网络18

1.4 神经网络的研究课题及其方法24

1.4.1 研究课题24

1.4.2　研究方法25

1.5　神经网络的应用领域27

2.1 向量、矩阵与网络的基本概念29

2.1.1 向量内积与神经元29

第二章　神经网络处理信息的基本原理29

2.1.2　矩阵运算与层次结构网络30

2.2　神经元的理论模型及非线性系统34

2.3　神经网络结构38

2.3.1　结构特点38

2.3.2　神经网络模型39

2.3.3　神经网络分类40

2.3.4 神经元网络模拟43

2.4 神经网络中的自学习过程45

2.4.1 学习的一般概念45

2.4.2　通过样本进行学习46

2.5　Hebb学习规则50

2.5.1　Hebb定律50

2.5.2　Hebb学习规则50

2.6 神经网络处理信息的能力52

2.6.1 可完成的信息处理任务52

2.6.2 记忆能力、计算能力与学习性能53

第三章　前馈和反馈神经网络模型57

3.1 前馈和反馈神经网络的一般概念57

3.2　感知器60

3.2.1　感知器原型及线性可分性60

3.2.2　XOR问题求解62

3.2.3　感知器学习规则64

3.3　误差反向传播神经网络67

3.3.1　B-P网络的基本思想67

3.3.2　B-P网络的算法77

3.3.3　参数η和α的选择及其它问题79

3.4　Hopfield神经网络82

3.4.1　Hopfield模型82

3.4.2　Hopfield网络的实现85

3.4.3　Hopfield模型的应用及Boltzmann机87

3.5　Hamming神经网络91

3.6　小结95

第四章 联想记忆和自组织神经网络模型97

4.1 联想记忆97

4.1.1 联想记忆的一般概念97

4.1.2　矩阵联想记忆102

4.1.3　双向联想记忆106

4.1.4 Hopfieid网络实现联想记忆111

4.2 自适应共振理论模型113

4.3 自组织特征映射模型116

5.1.1 神经网络计算机的分类122

5.1 神经网络计算机122

第五章　神经网络计算机及其应用122

5.1.2 神经网络计算机的实现途径123

5.1.3　设计中应考虑的一些问题126

5.2 虚拟神经网络计算机130

5.3　Transputer与神经网络计算机136

5.4 神经网络计算机的应用138

5.4.1　应用领域138

5.4.2　学习朗读的NETtalk神经网络141

5.4.3　神经网络优化计算143

5.4.4 神经网络专家系统146

参考文献150

附录A 词汇表159

附录B 误差反向传播网络（有指导的学习）程序162

B.1　引言162

B.2　程序162

B.3　例子185

附录C 无指导的学习程序190

C.1　引言190

C.2　程序190

C.3　例子199