《神经网络与神经计算机》求取 ⇩

第一章 绪论1

1.1 神经网络与神经计算机1

1.2 脑神经系统与信息处理7

第二章 神经网络模型和学习算法18

2.1 神经元的数理模型18

2.2 分层网络模型和B-P学习算法22

2.3 Hopfield模型31

2.4 玻耳兹曼机35

2.5 认知器模型和自组织映射模型48

第三章 神经器件57

3.1 神经器件概述57

3.2 神经元电路61

3.3 采用模拟电路实现的神经器件70

3.4 采用数字电路实现的神经器件83

3.5 硅联想存贮器92

3.6 神经器件展望113

第四章 神经计算机121

4.1 神经计算机概述121

4.2 Odyssey系统132

4.3 Neuro Turbo系统143

4.4 利用超级计算机进行神经计算153

第五章 光神经计算机160

5.1 神经网络与光技术160

5.2 光神经计算162

5.3 光神经器件170

5.4 光联想记忆系统179

5.5 大规模、高性能的光连接问题184

6.1 Hopfield模型的模拟程序188

第六章 神经网络模型的软件模拟188

6.2 Hopfield联想记忆程序195

6.3 用Hopfield模型求解TSP问题的程序204

6.4 多层网络B-P算法的模拟程序216

6.5 玻耳兹曼机的模拟程序223

第七章 神经网络在模式识别中的应用229

7.1 概述229

7.2 新认知器模型与字符识别234

7.3 语音识别253

第八章 神经网络在视觉信息处理中的应用270

8.1 概述270

8.2 双眼立体视觉272

8.3 图像恢复278

8.4 图像压缩编码287

8.5 用于初期视觉处理的神经网络模型296

第九章 神经网络在智能控制中的应用304

9.1 概述304

9.2 神经网络在机器人控制中的应用309

9.3 神经网络在自学习控制系统中的应用340

第十章 神经网络在人工智能和认知科学中的应用348

10.1 结合论348

10.2 基于神经网络的知识系统设计359

附录一 Hopfield模型的模拟程序378

附录二 Hopfield联想记忆程序382

附录三 用Hopfield模型求解TSP问题的程序390

附录四 多层网络B-P算法的模拟程序397

附录五 玻耳兹曼机的模拟程序417

参考文献423