《自适应模式识别与神经网络》求取 ⇩

第一章研究的性质1

1.1 引言1

1.2 研究自适应模式识别的动机1

1.3 用映射描述基于计算机的模式识别5

1.4 研究的重点8

1.5 模式识别研究的目标10

1.6 模式的表达形式13

1.7 评论及有关文献说明18

第二章贝叶斯方法23

2.1 引言23

2.2 一般性考虑25

2.3 训练中所需的知识33

2.4 在连续分布情况下的系统误差37

2.5 判别函数的本质及作用39

2.6 对贝叶斯方法的不同看法47

2.7 评论及有关文献说明51

第三章模糊特征和模糊决策规则：模糊集方法55

3.1 引言55

3.2 基本概念56

3.3 模糊集运算：扩展原理63

3.4 在模式识别中使用模糊集理论68

3.5 评论及有关文献说明79

第四章具有非数值特征值的模式81

4.1 引言81

4.2 ID3方法83

4.3 Pao-Hu方法91

4.4 M过程方法97

4.5 评论及有关文献说明106

第五章广义感知机109

5.1 引言109

5.2 线性判别函数110

5.3 半线性前馈网络、误差反向传播及推广的规则117

5.4 前馈多层网络复杂性分析125

5.5 用“映射”解释多层网络127

5.6 评论及有关文献说明134

第六章联想存储器137

6.1 引言137

6.2 矩阵联想存储器141

6.3 全息存储器144

6.4 Walsh联想存储器149

6.5 联想存储器网络152

6.6 评论及有关文献说明162

第七章自组织神经网络167

7.1 引言167

7.2 MAXNET网络170

7.3 能揭示聚类结构的网络174

7.4 Kohonen关于有序映射的研究179

7.5 评论及有关文献说明189

第八章函数型连接神经网络192

8.1 引言192

8.2 非线性连接的函数变换194

8.3 函数型连接网络的数学基础概要199

8.4 函数型连接网络的监督学习202

8.5 监督学习和无监督学习的结合210

8.6 联想存储及检索212

8.7 评论及有关文献说明215

第九章符号和子符号处理：模糊逻辑、模式识别和神经网络的作用217

9.1 引言217

9.2 隶属度函数的网络表达218

9.3 扩展原理的模拟223

9.4 模糊推理226

9.5 评论及有关文献说明229

第十章自适应模式识别应用中的问题230

10.1 引言230

10.2 模式内部结构的处理231

10.3 对语言符号的处理241

10.4 语言符号模式中结构的处理245

10.5 变化的可信度249

10.6 估计与分类250

10.7 输入和输出之间的时间相关252

10.8 用自适应模式识别解决真正难题的可能性253

10.9 评论及有关文献说明257

附录A监督学习的推广的规则网络程序261

附录B揭示聚类结构的无监督学习280

参考文献288

索引303