《神经网络与信号分析》求取 ⇩

1前馈型多层网络1

1．1 引言1

1．2 感知器4

1．2．1 概述4

1．2．2 单层感知器的表征能力与线性可分性6

1．3 多层感知器8

1．3．1 多层感知器的结构8

1．3．2 多层感知器的分类能力8

1．3．3 多层感知器的映射能力13

1．4 多层感知器的学习算法18

1．4．1 感知器的学习算法18

1．4．2 多层感知器的误差反传学习算法20

1．4．3 多层感知器的快速收敛学习算法27

参考文献34

2自组织映射理论36

2．1 人脑的信息拓扑映射特性37

2．2 Kohonen自组织特征映射算法41

2．2．1 网络的基本结构41

2．2．2 Kohonen自组织映射算法43

2．2．3 几个例子47

2．3 自组织映射拓扑有序理论53

2．4 应用举例60

2．4．1 例子一——货郎担问题的解决61

2．4．2 例子二——数据压缩问题64

2．4．3 例子三——语音、图象识别69

2．5 汉语语音的神经网络自组织映射71

2．5．1 语音信号预处理72

2．5．2 语音参数特征空间与神经网74

2．5．3 神经网音素映象78

2．5．4 实时识别系统的建立88

2．5．5 神经网语音模式与语音信号的状态89

2．5．6 神经网实时汉语语音识别96

参考文献98

3自适应谐振理论100

3．1 概述100

3．2．1 概述101

3．2 基本工作原理与ART—1算法101

3．2．2 门控G_1及G_2的工作规则103

3．2．3 输入／比较层工作规则103

3．2．4 识别层工作规则108

3．2．5 关于权向量的讨论110

3．2．6 ART的特点111

3．3 ART系统的深层机理112

3．3．1 输入／比较层与识别层神经元激活信号变化规律113

3．3．2 加权系数的变化规律115

3．3．3 Weber规律与联想衰减规律116

3．3．4 模板T的变化规律117

3．3．5 “三分之二”规律的要求118

3．4 ART系统的学习机理121

3．4．1 直接访问识别层神经元问题122

3．4．2 搜索过程126

3．4．3 学习的自稳定129

3．5 ART—2结构及原理136

3．5．1 概述136

3．5．2 ART—2系统分析138

3．6 ART—3结构及原理146

3．6．1 ART同形级联结构体系147

3．6．2 ART—3基本结构148

3．7 模糊ART原理155

3．7．1 模糊ART的特点155

3．7．2 模糊ART工作分析157

3．7．3 参数对模糊ART工作的影响159

参考文献162

4神经网络在优化问题中的应用163

4．1 优化问题的数学描述163

4．1．1 线性规划(LP)163

4．1．2 二次规划(QP)167

4．1．3 线性补偿问题(LCP)169

4．2 神经网络应用于LP问题173

4．2．1 不等式条件的LP174

4．2．2 标准形式LP问题179

4．2．3 有界设计变量的LP184

4．2．4 解原始和对偶LP问题的算法188

4．2．5 运输问题189

4．3 神经网络应用于凸二次规划问题192

4．3．1 等式条件QP问题193

4．3．2 不等式条件QP问题195

4．3．3 混和条件QP问题199

4．4 神经网络应用于线性补偿问题200

参考文献210

5神经网络与混沌、分形212

5．1 概述212

5．2 神经网络非线性动力学行为简述212

5．3 迭代函数系统217

5．4 压缩映射及吸引子221

5．5 混沌神经网络模型224

5．6 自组织映射混沌神经网模型229

5．6．1 Hopf分岔标准方程229

5．6．2 用于模式识别的实际模型233

5．6．3 一种混沌偶合神经网模型236

5．7 神经网络的分形性238

5．7．1 分形的基本性质238

5．7．2 分维数240

5．7．3 一种信息分形神经网络及其应用243

参考文献250

6非监督Hebbian学习网络252

6．1 引言252

6．2．1 主分量提取：从Hebb规则到OJa规则254

6．2 主分量与OJa算法分析254

6．2．2 OJa算法分析256

6．3 多主分量分析算法259

6．3．1 算法推广的基础259

6．3．2 广义Hebblan算法(GHA)261

6．3．3 局部侧联网络262

6．3．4 局部PCA算法收敛性的一般性分析267

6．3．5 PCA网络算法的信息量分析269

6．4 其他学习算法272

6．4．1 其他权重约束的学习规则272

6．4．2 竞争性Hebblan学习算法272

6．4．3 非对称PCA(APCA)算法273

6．5 PCA算法的应用276

6．5．1 旋转校正277

6．5．2 图象压缩与图象分析277

6．5．3 视觉“感受场”280

6．5．4 “子空洞”模式识别280

6．6 结语281

参考文献282

7模糊神经网原理285

7．1 引言285

7．2 模糊神经网模型287

7．3 动态神经单元(DNU)模型290

7．3．1 DNU的工作原理290

7．3．2 DNP的工作原理294

7．4 模糊自组织神经网296

7．4．1 模糊Kohonen自组织网297

7．4．2 自适应模糊类聚(AFLC)298

7．4．3 综合自适应模糊类聚模型(IAFC)301

7．5 神经网实现模糊推理303

7．5．1 模糊推理的背景知识简介303

7．5．2 实现模糊推理的神经网络模型311

参考文献314

8神经网络在图象分析中的应用315

8．1 引言315

8．2 图象恢复的人工神经网络模型315

8．3．1 联想记忆网及全息联想记忆网原理简介322

8．3 联想记忆模型用于字符识别322

8．3．2 字符识别系统324

8．4 神经网络、分形变换与子波变换用于图象压缩334

8．4．1 用PCA网实现图象压缩334

8．4．2 用子波变换实现图象压缩336

8．4．3 分形变换图象压缩342

8．5 神经网络用于图象模式识别355

8．5．1 线性判别函数的实现355

8．5．2 用自组织映射网及最大输出网实现非监督模式的分类358

8．5．3 联想记忆网实现模式识别359

8．5．4 其他类型神经网的模型用于模式识别360

8．6 神经网络用于图象压缩及向量量化361

参考文献364

9．1 自发脑电信号的处理365

9．1．1 概述365

9神经网络在生物医学信号分析中的应用365

9．1．2 混沌动力学366

9．1．3 脑电图信号提取的方法369

9．1．4 脑电图有效段的选择370

9．1．5 相关维数370

9．1．6 结束语376

9．2 心电图数据压缩的新方法377

9．2．1 神经网络心电图数据压缩的原理377

9．2．2 心电图数据压缩的新方法378

9．3．1 RBF网络辨识原理383

9．3 动态系统建模方法及其应用383

9．3．2 血糖代谢系统RBF网络模型的辨识386

9．4 人工神经网络在医学模式识别与诊断中的应用388

9．4．1 概述388

9．4．2 算法讨论390

9．4．3 心电的自动识别390

9．5 基于神经网络的模糊控制及其应用394

参考文献399

10神经网络在语音识别的应用400

10．1 引言400

10．2 语音静态模型401

10．2．1 语音状态转移模型402

10．2．2 失真测度404

10．2．3 语音识别407

10．3 判别性语音模型413

10．3．1 判别性训练方法413

10．3．2 最小分类误差的多层前向网络417

10．3．3 语音识别实验420

参考文献422

11高阶神经网络的理论及其应用424

11．1 引言424

11．2 高阶神经网络对连续函数的逼近能力426

11．2．1 引言426

11．2．2 三层高阶前馈网络结构426

11．2．3 三层高阶前馈网络的逼近原理428

11．2．4 高阶前馈网络的BP算法及改进算法431

11．2．5 一阶网与高阶网的性能比较436

11．3 二阶Hopfield网的存储能力438

11．3．1 引言438

11．3．2 研究二阶Hopfield网的预备知识438

11．3．3 网络描述及其容量的等价形式441

11．3．4 原理与证明442

11．4 高阶神经网络的应用449

11．4．1 二层高阶神经网络对任意布尔函数的实现449

11．4．2 二阶Hopfield网络在模式识别和优化计算方面的应用455

11．4．3 怎样用高阶神经网络求解一类正定矩阵的特征矢量457

参考文献459