《神经网络及其应用》求取 ⇩

第1章绪论1

1.1 人工智能概念的提出2

1.2 人工神经网络（ANN）的特性4

1.3 大脑：人工神经网络的原型5

1.4 人工神经网络模型9

1.5 历史回顾与展望12

2.1 神经元结构模型20

2.2 网络动态特性23

2.3 网络连接模型24

2.4 学习算法27

2.5 神经网络Perceptron29

2.6 线性可分性32

2.7 Perceptron的学习算法34

3.1 反向传播算法（B-P）38

3.2 神经网络的复杂性45

3.3 统计算法48

3.4 Hopfield算法53

3.5 自适应共振理论网络58

3.6 ART算法64

3.7 Kohonen算法70

4.1 神经网络与专家系统的特点和问题78

4.2 推理网络与连接网络的转换81

4.3 学习矩阵和规则矩阵86

4.4 基于神经网络的构造知识库方法89

4.5 基于神经网络的推理机96

5.1 汉语语音识别和合成101

5.2 故障诊断104

5.3 脸容识别109

5.4 字符识别110

5.5 A/D转换114

5.6 推销员旅行问题117

6.1 对偶传播网络（CPN）122

6.2 光神经网络（ONN）130

6.3 认知机（Cognitron）137

7.1 神经网络的硬件实现方法和技术149

7.2 神经元的硬件实现原理151

7.3 视听系统（Seehear）的实现152

7.4 用大规模集成电路技术实现的神经网络计算机160

8.1 引言168

8.2 两者集成的方法与问题170

8.3 连接网络与推理网络的可转换性173

8.4 可信度与权值的等价性证明174

8.5 集成系统的体系结构和行为过程177

8.6 集成系统的训练和智能行为模拟181

9.1 引言183

9.2 三值神经逻辑网络185

9.3 三值布尔逻辑网络的建造186

9.4 人类逻辑网络的建造191

9.5 在模式处理中的应用194

参考文献198