《神经智能 认知科学中若干重大问题的研究》求取 ⇩

1．新型智能信息处理系统概论7

1.1概述7

1.2 生物型神经网络9

1.3 人工神经网络的结构10

1.4 人工神经网络的学习20

1.5 人工神经网络的基本特征24

1.6 神经网络信息处理系统27

2．神经网络模型、学习规则及常用快速算法31

2.1概述31

2.2 神经网络的学习规则34

2.3 感知器模型36

2.4 反向传播网络（BPN）模型39

2.5 自组织特征映射模型44

2.6 回归网络模型48

2.7 混合网络模型和混合系统模型51

3．神经网络中的几个基本问题54

3.1概述54

3.2 神经网络能解决哪些问题56

3.3 容量问题56

3.4 推广能力问题58

3.5 学习问题61

3.6 神经网络的自组织性64

3.7 神经网络的自适应性75

4.1 概述80

4．神经网络能力与性能评价80

4.2几种主要性能81

4.3 传统的方法与人工神经网络的比较87

4.4 人工神经网络的性能评价88

4.5 对人工神经网络能力的进一步研究90

5．混沌神经网络94

5.1概述94

5.2 一个简单的混沌系统95

5.3 混沌神经网络97

5.4 混沌神经网络的学习101

5.5 混沌神经网络的实现103

5.6 混沌神经网络的应用109

5.7 其它混沌神经元例子114

6．联想记忆网络119

6.1概述119

6.2 联想记忆神经网络的学习算法122

6.3 ？联想记忆神经网络124

6.4 分级联想记忆神经网络128

6.5 异联想与双向联想记忆130

6.6 双向联想记忆的迭代编码135

7．模糊神经网络144

7.1概述144

7.2 模糊神经元的几种基本模型148

7.3 模糊联想记忆的基本原理156

7.4 模糊极小—极大神经网络分类器168

7.5 模糊关系神经网络172

8．神经网络信号处理180

8.1概述180

8.2 神经网络用于信号变换181

8.3 神经网络用于系统辨识185

8.4 神经网络用于时间序列预测189

8.5 神经网络用于非线性信号处理192

8.6 神经网络用于自适应信号处理193

9．神经网络语音处理与识别197

9.1概述197

9.2 听觉模型研究概述197

9.3 用于语音识别的神经网络方法201

9.4 利用神经网络方法进行说话人识别213

9.5 神经网络用于语音编码217

10．神经网络图像复原219

10.1概述219

10.2 图像的退化模型221

10.3 基于Hopfield网络的图像复原方法222

10.4 改进的Hopfield型神经网络复原方法225

10.5 分块神经网络图像复原方法228

10.6 基于多层感知器的图像复原方法231

11．神经网络图像压缩编码235

11.1概述235

11.2 神经网络非线性预测编码237

11.3 神经网络矢量量化方法242

11.4 神经网络图像变换编码方法251

11.5 主分量神经网络图像编码256

11.6 信息分形神经网络与潜在的图像压缩编码应用261

11.7 结束语263

12．神经网络用于组合优化问题求解265

12.1概述265

12.2 Hopfield型神经网络求解TSP268

12.3 神经网络用于铁路货运优化问题279

12.4 用神经网络求解任务分配问题285

13．神经网络知识处理289

13.1概述289

13.2 专家系统与神经网络290

13.3 知识表示294

13.4 知识获取298

13.5 知识推理300

13.6 神经网络知识处理系统的实现304

14．神经网络的VLSI实现308

14.1概述308

14.2 神经元基本电路313

14.3 神经网络系统结构323

14.4 几种实际的数字VLSI神经网络芯片及内部结构332

15．人工神经网络的光学实现343

15.1概述343

15.2 人工神经网络与光学344

15.3 光学神经网络的研究现状354

15.4 结束语362