《协同计算机和认知 神经网络的自上而下方法》

1．目的1

1.1为什么协同计算机是一个新的计算机概念？1

1.2 什么是协同学？——作为模式形成的模式识别2

1.3 认知过程和协同计算机3

第Ⅰ部分协同计算机8

2．什么是模式8

3．联想记忆16

4．协同学概述18

4.1 一些典型的例子18

4.2 协同学的基本概念和数学工具的回顾21

5．用于模式识别的协同学标准模型30

5.1 原型模式向量和试验模式向量30

5.2 构造动力学过程32

5.3 V（？k）的重要特性35

5.3.1 结论提要35

5.3.2 V的最深最小值在哪里？35

5.3.3 V的静态稳定点在哪里？37

5.3.4 如何达到稳定不动点和鞍点？39

6．一些例子：相貌和城市地图的识别41

7．网络的可能实现46

8.1 基于傅立叶变换和对数映射的方法49

8．关于平移、旋转和变比例同时发生时的不变性49

8.2 数值计算52

8.3 不变性问题的第二种方法55

8.4 模式的一般变换61

9．复杂图像的识别——图像选择注意66

10．学习算法69

10.1 概述69

10.2 突触强度的学习69

10.2.1 确定伴随向量v？的迭代方法69

10.2.2 一个特殊情况72

10.2.3 用一个三层（两层）网络的实现过程72

10.3 信息和信息增益75

10.4 再看协同计算机的基本构造原理78

10.5 根据信息增益的学习80

10.6 基于梯度动力学的学习算法86

10.6.1 构造李雅普诺夫函数87

10.6.2 投影到qj空间89

10.7 小结97

11．过程的学习和联想作用99

11.1 Fokker-Planck方程的推导99

11.2 ？to-Langevin方程的推导103

11.3 谨慎处理约化信息104

12.1 引言108

第Ⅱ部分认知和协同计算机108

12．人的感知和机器“感知”的比较108

12.2 旋转不变性、自适应和同化、格式塔、景象分解110

12.2.1 旋转不变性110

12.2.2 自适应与同化、格式塔110

12.2.3 景象分解111

12.3 低通滤波和高通滤波人像的识别112

13．二义模式感知过程的振荡122

13.1 引言122

13.2 二义模式所具有的性质125

13.3 无偏向二义模式的感知127

13.4 有偏情况下感知的振荡128

13.5 具有多于两种解释的模糊模式133

13.6 滞后效应135

13.7 注意参数涨落的作用137

13.7.1 模型139

13.7.2 结果139

13.7.3 讨论141

14．生物协调运动的动态模式识别142

14.1 引言生物运动结构的感知142

14.2 模式的产生和模式识别试验142

14.3 行为模式识别算法145

14.4 应用和结果146

14.5 仅由特定光点表征运动模式的识别147

14.6 在一个不垂直于观察者视线平面上运动模式的识别153

第Ⅲ部分逻辑运算和展望158

15．协同计算机对XOR逻辑运算的实现158

15.1 引言158

15.2 XOR问题的解158

15.3 和流动不稳定性的对比160

15.4 学习160

16．走向神经水平161

16.1 神经元激活和模态锁定161

16.3 神经元的振荡器模型：旋转波近似和慢变幅值近似162

16.2 主要结论的总结162

16.4 一种可以作为联想记忆装置的振荡器网络163

16.5 两个振荡器的频率锁定169

16.6 若干个振荡器的频率锁定171

17．结束语和展望173

17.1 模式识别就是模式形成173

17.2 吸引子状态及其之外的状态173

17.3 留给未来的一些问题174

文献目录和注释176

关键词索引186