《模糊神经网络》求取 ⇩

概论1

第一节计算机和人脑1

第二节 神经网络的历史3

第三节 受到世界瞩目的模糊理论与技术13

第四节 模糊神经网络发展背景与内容15

第五节 研究模糊神经网络的意义20

第一部分基本神经网络模型30

第一章人工神经网络基础30

第一节 生理神经元30

第二节 人工神经元31

第三节 人工神经网络35

第四节 人工神经网络训练40

第二章感知机45

第一节 感知机与早期的人工神经网络45

第二节 感知机的表达能力46

第三节 感知机的学习55

第三章反向传播62

第一节 反向传播训练算法63

第二节 改进算法70

第三节 应用71

第四节 几点说明72

第四章Hopfield 网络80

第一节 离散的 Hopfield 网络82

第二节 非线性连续的 Hopfield 网络86

第三节 统计 Hopfield 网络88

第四节 Hopfieid 网络的应用89

第五节 几点说明94

第五章自适应共振理论(ART)99

第一节 ART 结构100

第二节 ART 实现107

第三节 一个 ART 训练例子111

第四节 ART 的特征和说明113

第六章对抗传播网络120

第一节 网络结构121

第二节 常规运算122

第三节 训练 Kohonen 层123

第四节 训练 Grossberg 层128

第五节 全对抗传播网络129

第七章认知机和新认知机131

第一节 认知机131

第二节 新认知机(Neocognitron)141

第八章双向联想记忆152

第一节 BAM的结构152

第二节 提取被存储的记忆154

第三节 联想关系编码158

第四节 记忆容量161

第五节 Cohen-Grossberg 模型163

第六节 连续的 BAM164

第七节 自适应 BAM(ABAM)165

第八节 高阶ABAM166

第九节 随机自适应双向联想记忆(RABAM)167

第十节 RABAM 退火169

第二部分模糊神经网络174

第九章模糊理论简介174

第一节 集值统计、模糊统计与落影174

第二节 因素空间178

第三节 模糊控制183

第四节 真值流推理187

第十章模糊神经网络的基本内容192

第一节 模糊神经元和模糊神经网络192

第二节 模糊神经网络的分类199

第三节 几种常用的 FN 及 FNN201

第四节 模糊神经网络的研究方向206

第五节 正确评价模糊神经网络的地位和作用207

第十一章模糊联想记忆211

第一节 模糊集的几何解释211

第二节 模糊系统212

第三节 FAM 与映射212

第四节 模糊 Hebb FAM213

第五节 自适应 FAM222

第十二章模糊认知图233

第一节 模糊认知图的概念233

第二节 模糊认知图的合成236

第三节 自适应因果推理239

第十三章神经逻辑网络241

第一节 推理网络241

第二节 神经逻辑网络模型243

第三节 神经三值逻辑网络244

第四节 神经逻辑网络的“模糊”处理262

第十四章神经网络驱动性模糊推理266

第一节 神经网络驱动性模糊推理模型267

第二节 进一步的解释273

第三节 具体应用例子276

第十五章模糊神经控制模型L1和L2285

第一节 模糊神经元285

第二节 L1和L2的结构286

第三节 对模型L1和L2的解释289

第四节 硬件实现策略294

第十六章神经专家处理器297

第一节 隶属函数发生器297

第二节 神经专家处理器的结构299

第三节 自调节神经专家处理器302

第四节 硬件实现303

第五节 几点说明303

第十七章真值流推理网络307

第一节 真值流推理网络的结构307

第二节 TVFIN在模糊控制中的应用310

附录A学习算法320

第一节 监督与非监督学习320

第二节 Hebb 学习321

第三节 星入和星出324

第四节 感知机训练327

第五节 Widrow—Hoff 训练328

第六节 统计训练算法328

第七节 自组织330

附录B思考题334