《神经网络应用技术》求取 ⇩

第一章 概述3

1.1 人工神经网络的参照物--大脑神经网络3

1.1.1 人的神经系统与神经网的组织分工3

1.1.2 大脑神经元的构成4

1.1.3 神经元是状态响应的信号部件8

1.2 人工神经网络的构成与分类10

1.2.1 人工神经网络的构成10

1.2.2 人工神经网络的学习与各类模型15

1.3 人工神经网络的实现19

1.3.1 电子神经网络计算机21

1.3.2 光学神经计算机30

1.3.3 分子神经计算机32

1.4 人工神经网络研究的历史回顾33

第二章 神经网络与组合优化42

2.1 Hopfield网络与TSP问题42

2.1.1 Hopfield模型42

2.1.2 TSP问题的描述45

2.1.3 网络匹配与求解47

2.1.4 问题与研究50

2.2.1 弹性网络原理51

2.2 弹性神经网络与TSP问题51

2.2.2 TSP问题求解53

2.3 Boltzmann机与组合优化54

2.3.1 Boltzmann机54

2.3.2 组合优化问题求解57

2.4 Guass机与组合优化62

2.4.1 Guass机原理62

2.4.2 组合优化问题求解63

2.5 时变回归神经网络与凸规划67

2.5.1 凸规划回归神经网络原理67

2.5.2 构造与求解69

第三章 神经网络与模式识别73

3.1 模式识别及其发展概况73

3.2 模式识别方法75

3.2.1 待识客体的固有特性75

3.2.2 传统模式识别方法76

3.2.3 神经网络用于模式识别的机理和特点77

3.3 单层感知器和BP网络77

3.3.1 ADALINE模型77

3.3.2 MADALINE模型80

3.3.3 BP网络82

3.4.1 用途和意义86

3.4 文字识别的神经网络途径86

3.4.2 用于字符识别的多层前传网87

3.4.4 提取不变性特征101

3.4.5 新感知机与不变性变换106

3.4.6 选择注意模型(Selective Attention)117

3.5 指纹识别122

第四章 神经网络在图像处理中的应用127

4.1 图像处理及其意义127

4.2 图像恢复130

4.3 边缘检测与图像分割136

4.3.1 边缘检测的一般方法136

4.3.2 BP网用于边缘检测139

4.3.3 Pyramid网用于边缘恢复与增强140

4.3.4 图像分割的神经网络法144

4.4.1 通过图像编码达到图像压缩151

4.4 图像压缩151

4.4.2 通过图像变换达到图像压缩156

5.1 引论163

5.1.1 控制理论的发展与面临的挑战163

第五章 神经网络与自动控制163

5.1.2 神经网络用于控制的优越性168

5.1.3 神经网络控制的发展169

5.2 神经网络逼近能力与学习能力170

5.2.1 多层前传网络逼近能力170

5.2.2 网络权重调节的统一规则180

5.2.3 FIR多层前传网络的时域回传算法185

5.2.4 多层前传网络训练的趋化算法188

5.3 神经网络与系统辨识190

5.3.1 动态多层前传网络190

3.4.3 具有不变性结构的网络195

5.3.2 ART？神经网络在系统辨识中的应用195

5.3.3 逆动力学系统的辨识202

5.3.4 神经网络系统辨识的具体应用208

5.4 神经网络监督与评价学习控制210

5.4.1 监督学习神经网络控制器210

5.4.2 评价学习神经网络控制器216

6.1.4 CMAC在手眼跟踪中的应用216

5.4.3 小脑模型及其在控制中的应用219

5.4.4 基于ANZA神经网络协处理器的过程控制224

5.5 神经网络非线性控制226

5.5.1 神经网络内模控制226

5.5.2 神经网络非线性预测控制228

5.5.3 级联多层回传网络非线性调节器230

5.5.4 神经网络控制器的反馈误差学习法231

5.5.5 神经网络在工业过程控制中的应用232

5.6.1 神经网络模型参考自适应控制236

5.6 神经网络自适应控制236

5.6.2 神经网络自校正控制241

5.6.3 神经网络直接自适应控制244

5.6.4 Cohen-Grossberg模型与非线性自适应控制249

第六章 神经网络与机器人控制253

6.1 CMAC模型与机器人控制253

6.1.1 CMAC模型与轨迹规划问题253

6.1.2 加CMAC学习控制后机械手的跟踪性能256

6.1.3 CMAC与机械手空间轨迹的形成259

6.2 中枢神经系统与机器人控制262

6.2.1 轨迹生成与坐标变换263

6.2.2 中枢神经系统模型264

6.3 机器人眼手系统位置协调控制的神经网络算法269

6.3.1 机器人眼手系统269

6.3.2 单层网络的自一致学习270

6.3.3 视觉反馈--误差自学习276

6.3.4 关于多层前传网络应用的比较277

6.3.5 眼手协调的CMAC算法278

6.4 VITE模型及仿真281

6.5.1 Kohonen网络原理289

6.5 自组织神经网络与机器人眼手系统289

6.5.2 三维自组织网络与眼手系统292

第七章 神经网络与信号处理295

7.1 神经网络在通讯信号处理中的应用295

7.1.1 信号检测295

7.1.2 信道均衡298

7.2 神经网络在语音信号处理中的应用300

7.2.1 语音识别的意义及神经网络在其中的潜在优势300

7.2.2 白化滤波器301

7.2.3 非特定人26个英文字母的语音识别302

7.2.4 非特定人汉语韵母的识别307

7.2.5 Kohonen声控打字机312

7.3 神经网络在声纳信号处理中的应用314

7.3.1 声纳信号的预处理314

7.3.2 神经网络的构造317

7.3.3 网络的训练与信号识别318

7.4 神经网络在心电信号处理中的应用322

7.4.1 自适应噪声抵消器322

7.4.2 基于ANZA神经网络协处理器的ECG处理325

7.4.3 神经网络在QRS检测中的应用326

7.5.1 神经网络EEG处理的意义与难度329

7.5 神经网络在脑电信号处理中的应用329

7.5.2 神经网络用于药物作用鉴别的脑电信号处理330

7.5.3 神经网络用于大脑的高级认知功能332

7.5.4 神经网络用于信号污染清除和唤起电位估计333

第八章 人工神经网络与人工智能335

8.1 人工智能30多年来的发展335

8.1.1 人工智能的定义335

8.1.2 人工智能30多年来的巨大成就336

8.1.3 人工智能面临的基础性问题342

8.2 通过人工神经网络发展人工智能的可能性347

8.2.1 形象思维与计算机视觉348

8.2.2 知识的形式化与非形式化表示350

8.3 信息的联想存储与检索352

8.3.1 存取方式的变化353

8.3.2 联想存取的实现356

8.3.3 联想存储在知识处理中的应用363

8.4 人工神经网络获取知识365

8.4.1 直接从数值化的实例学习366

8.4.2 知识由显到隐的转化366

8.4.3 知识的求精372

8.5 人工神经网络的推理机制377

8.5.1 基于神经网络的逻辑推理379

8.5.2 由神经网络实现的并行推理385

8.6 人工神经网络与专家系统的结合388

8.6.1 专家系统的学习与运行机理388

8.6.2 人工神经网络与专家系统的差异和结合的途径390

8.6.3 用人工神经网络独立完成专家系统395

8.6.4 基于神经网络群的智能系统406

第九章 神经网络在其它方面的应用及其发展展望412

9.1 神经网络在经济领域中的应用412

9.1.1 价格预测412

9.1.2 企业破产预测414

9.2 神经网络在化学上的应用415

9.3 神经网络在卫生保健中的应用418

9.3.1 废水处理418

9.3.2 蛋白质分类422

9.4 人工神经网络的军事应用423

9.4.1 概述423

9.4.2 具体应用428

9.5 人工神经网络展望431

9.5.1 人工神经网络的局限性431

9.5.2 发展人工神经网络的良好机遇433

9.5.3 前景436