《人工神经网络原理 入门与应用》求取 ⇩

第一章绪论1

1.1 一则现代童话的启示1

1.2 大脑——一个神秘的世界3

1.3 神经网络研究、发展的历史6

1.4 神经网络研究的主要方向9

第二章神经网络理论基础10

2.1 大脑与生物神经系统10

2.2 生物神经系统的模型化16

2.3 M-P神经元模型与人工神经网络的构成20

2.4 人工神经网络的学习机理与Hebb学习规则22

2.5 教师示教学习与无教师示教学习24

2.6 生物神经网络与人工神经网络的比较25

2.7 模式识别的基本定义与方法28

2.8 线性分类器31

第三章神经网络的初期模型与基本算法33

3.1 感知机模型与感知机学习规则33

3.2 感知机的局限性41

3.3 自适应线性神经网络44

3.4 自适应线性神经网络的应用举例50

第四章多阶层神经网络与误差逆传播算法52

4.1 多阶层网络与误差逆传播算法的提出52

4.2 误差逆传播神经网络结构与学习规则53

4.3 误差逆传播学习规则的数学推导62

4.4 隐含层——特征抽取器的作用67

4.5 BP网络应用举例70

4.6 BP网络小结73

4.7 几种改进方案74

第五章Hopfield神经网络77

5.1 Hopfield网络的基本思想77

5.2 Hopfield网络的结构与算法78

5.3 Hopfield网络运行规则80

5.4 网络计算能量函数与网络收敛81

5.5 联想记忆86

5.6 Hopfield网络联想记忆的设计方法89

5.7 Hopfield网络联想记忆的缺陷97

5.8 连续时间型Hopfield神经网络100

5.9 Hopfield网络在优化组合问题中的应用103

5.10 网络应用与网络能量函数110

第六章随机型神经网络111

6.1 随机型神经网络的基本思想111

6.2 模拟退火算法112

6.3 Boltzmann机与Boltzmann机工作规则115

6.4 Boltzmann机学习规则121

6.5 网络小结130

第七章竞争型神经网络132

7.1 竞争型神经网络的基本思想132

7.2 基本竞争型神经网络及学习规则133

7.3 抑制竞争型神经网络及学习规则138

7.4 自适应共振理论网络的提出及特点141

7.5 自适应共振理论网络结构及学习、工作规则142

7.6 自适应共振理论网络特性分析149

7.7 应用举例154

第八章自组织特征映射神经网络157

8.1 自组织特征映射神经网络的基本思想157

8.2 自组织特征映射网络学习、工作规则159

8.3 SOM网络的自组织特性165

8.4 网络的分类精度分析168

8.5 SOM网络的局限性170

8.7 SOM网络应用举例——语音打字机171

8.6 SOM网络的有教师示教学习规则171

第九章对向传播神经网络175

9.1 对向传播神经网络的基本思想175

9.2 CP网络学习、工作规则176

9.3 网络应用举例183

9.4 网络的改进与完善185

第十章人工神经网络应用189

10.1 文字识别189

10.1.1 文字识别的生理特点189

10.1.2 印刷体文字识别190

10.1.3 手写体文字识别196

10.2.1 图象处理概述199

10.2 图象处理199

10.2.2 图象数据压缩201

10.2.3 图象边缘检测205

10.2.4 图象自动分类206

10.2.5 医学自动诊断207

10.2.6 目标自动识别207

10.2.7 图象补正208

10.2.8 工业产品检查208

10.3 优化组合应用——有价证券的选择209

10.4 神经网络专家系统215

10.4.1 神经网络专家系统的基本原理与结构215

10.4.2 高炉炉温预测专家系统219

10.4.3 财务评价专家系统221

10.4.4 医疗诊断专家系统223

10.5 神经网络在智能控制中的应用226

10.5.1 神经网络控制系统的特点226

10.5.2 神经网络控制系统的几种结构形式227

10.5.3 控制系统中神经网络的学习结构与方法229

10.5.4 应用神经网络进行系统辨识234

10.6 神经网络计算机简介235

10.6.1 神经网络计算机的基本特征235

10.6.2 神经网络计算机的分类与研究现状237

10.6.3 神经网络计算机的有关概念239

参考文献241