《神经网路系统理论》求取 ⇩

第一章绪论1

1.1 神经网路的研究历史1

1.2生物神经元模型7

1.2.1 神经元的结构7

1.2.2 神经元的功能8

1.3神经网路的基本特征和通有性质9

1.3.1 神经网路的形式化描述10

1.3.2 神经网路模型11

1.3.3 神经网路的讯息处理能力13

1.3.4 神经网路的互连结构形态16

1.3.5 神经网路的分类与工作模式18

1.3.6 神经网路的学习规则与分类21

1.4神经网路的研究方法与主要内容24

1.4.1 神经网路的巨观研究方法24

1.4.2 神经网路未来发展方向与研究课题26

第二章神经网路理论基础29

2.1MP模型和Hebb学习规则29

2.1.1 MP模型29

2.1.2 Hebb学习规则30

2.1.3 延时MP模型30

2.1.4 改进的MP模型31

2.2动力系统的稳定性32

2.2.1 稳定性分析的数学基础32

2.2.2 V函数的性质的判别34

2.2.3 定号函数的几何解释34

2.2.4 稳定性的基本定义35

2.3 稳定性的Lyapunov第二方法38

第三章神经纲路模型Ⅰ：前向网路45

3.1线性16阈值单元45

3.1.1 基本性质45

3.1.2 用践性阈值单元制作布尔函数46

3.1.3 线性可分性与学习46

3.2感知器47

3.2.1 感知器学习算法48

3.2.2 多层感知器50

3.2.3 梯度算法53

3.2.4 多层感知器学习的定量分析55

3.3 BP算法（反向传播算法）57

3.4前向网路的映像作用与容量分析62

3.4.1 映射作用62

3.4.2 前向网路的容量分析67

3.5自适应线性组件（Adaline）69

3.5.1 线性可分性70

3.5.2 非线性可分性——非线性输入函数71

3.5.3 MADALINES网路73

3.5.4 Widrow—Hoff δ规则75

3.6交替投影神经网路（APNN）77

3.6.1 凸集投影理论77

3.6.2 交替投影神经网路78

3.6.3 稳态收敛性82

3.6.4 学习和训练84

3.6.5 多层APNN85

第四章神经网路模型Ⅱ：反馈网路89

4.1 离散的Hopfield神经网路90

4.2联想记忆与神经计算97

4.2.1 联想记忆（Associative Memory）98

4.2.2 神经计算99

4.3连续时间Hopfield神经网路模型100

4.3.1 非线性连续时间Hopfield神经网路100

4.3.2 Hopfield神经网路的设计与稳定性107

4.4 高阶关联神经网路模型112

4.5 联想内存分析117

4.6双向联想记忆（BAM）120

4.6.1 离散BAM（Bidrection Associative Memory）121

4.6.2 连续和自适应BAM网路126

4.6.3 高阶自适应BAM网路127

4.6.4 四种无导师联想学习规则128

4.6.5 竞争自适应BAM网路128

4.6.6 随机自适应BAM网路129

4.7高阶自相关器和异相关器130

4.7.1 一阶自相关器131

4.7.2 高阶自相关器132

4.7.3 一阶异相关器133

4.7.4 高阶异相关器134

4.7.5 一阶IBAM138

4.7.6 高阶IBAM142

第五章自组织神经网路143

5.1自适应共振理论（ART）143

5.1.1 ART的基本原理144

5.1.2 ART学习算法148

5.2 自组织特征映射149

5.3CPN模型152

5.3.1 CPN的训练156

5.3.2 CPN的计算157

5.4 神经认知机158

第六章随机神经网路163

6.1仿真退火算法163

6.1.1 仿真退火算法164

6.1.2 改进的模拟退火法167

6.1.3 SA算法的收敛性170

6.2Boltzmann机172

6.2.1 Boltzmann机模型172

6.2.2 能量函数173

6.2.3 学习算法175

6.2.4 Boltzmann机学习算法推导178

6.3 NN的概率统计法180

6.4 平行分布Cauchy机185

6.5神经网路的熵理论188

6.5.1 NN计算能量与熵189

6.5.2 同步并行计算191

6.5.3 异步串行计算192

6.6动力系统的分维学196

6.6.1 Hausdorff维数196

6.6.2 分维的量度198

6.7分维神经网路201

6.7.1 分维NN结构201

6.7.2 讯息的储存202

第七章神经网路的统一描述与Systolic数组制作207

7.1Systolic数组207

7.1.1 Systolic数组基本概念207

7.1.2 Systolic数组结构209

7.1.3 Systolic实用算法214

7.1.4 Systolic数组的应用216

7.2 波前阵列处理机219

7.3神经网路的通有迭代模型220

7.3.1 回忆阶段的通有公式221

7.3.2 学习阶段的通有公式223

7.4回归BP和HMM的统一描述231

7.4.1 回归BP神经网路231

7.4.2 隐元Markov模型（HMM）233

7.5 算法到Systolic数组／波前数组结构的映像235

7.6通有迭代ANN模型的Systolic设计238

7.6.1 回忆阶段系统的环形Systolic设计239

7.6.2 学习阶段的环形Systolic设计242

第八章连续时间非线性神经网路模型及其时空特征253

8.1通有连续时间神经网路模型253

8.1.1 通有NN模型253

8.1.2 通有NN的稳定性255

8.1.3 通有NN的计算能量函数260

8.1.4 包含有不稳定子系统的大型神经网路稳定性分析261

8.2通有神经网路模型的关联稳定性265

8.2.1 有向图265

8.2.2 大型动力系统的结构与结构扰动268

8.2.3 神经网路的关联稳定性271

8.3通有神经网路的时空结构与延时动力学290

8.3.1 通有神经网路模型的渐近行为和延时稳定性291

8.3.2 通有神经网路模型的延时关联稳定性299

第九章神经网路的设计与综合305

9.1 联想记忆设计要求305

9.2神经网路综合的基本方法307

9.2.1 外积法（Outer Product Method—OPM）307

9.2.2 投影学习规则309

9.2.3 特征结构法（Eigenstructure Method）311

9.2.4 非对称连接矩阵网路综合314

9.2.5 小结317

9.3Hopfield型同步离散神经网路用于AM的综合318

9.3.1 神经网路模型318

9.3.2 离散Hopfield型神经网路的稳定性分析319

9.3.3 神经网路综合326

9.4Hopfield连续时间联想记忆的综合330

9.4.1 Hopfield模型330

9.4.2 AM设计331

9.4.3 渐近稳定性331

9.4.4 设计约束333

9.4.5 综合程序334

9.5超闭正立体上线性神经网路的综合337

9.5.1 综合问题337

9.5.2 综合策略338

9.5.3 综合过程338

9.6不连续神经网路系统的综合343

9.6.1 基本综合问题344

9.6.2 综合策略344

9.6.3 综合过程345

9.6.4 举例351

第十章 神经优化计算357

10.1Hopfield模型理论分析357

10.1.1 Hopfield模型的特征向量表示358

10.1.2 CAM性质259

10.2TSP问题362

10.2.1 TSP问题描述362

10.2.2 连接矩阵特征值与网路的动力学分析364

10.3神经优化计算的一种新方法373

10.3.1 神经网路广义收敛定理373

10.3.2 神经优化计算的新算法377

第十一章神经网路专家系统381

11.1 专家系统的发展与现状381

11.2神经网路专家系统基本原理与结构384

11.2.1 神经网路专家系统的基本原理384

11.2.2 神经网路专家系统的基本结构384

11.3基于神经网路系统的知识表示、获取与推理386

11.3.1 神经网路及其矩阵表示386

11.3.2 知议表示的神经网路方法387

11.3.3 基于神经网路系统的知识获取389

11.3.4 基于神经网路系统的平行推理392

11.4 组合神经网路专家系统的制作394

11.5 小结396

第十二章神经网路计算器及其VLSI制作399

12.1神经网路计算器399

12.1.1 神经网路计算器的分类399

12.1.2 直接基于硬件的神经网路计算器制作401

12.1.3 基于现代数字计算器的神经网路计算器制作402

12.2 神经网路的数字VLSI制作406

12.3神经网路的电压模式仿真VLSI制作410

12.3.1 仿真神经网路电路基本原理411

12.3.2 MOSFET—C神经网路412

12.3.3 开关电容神经网路414

12.4神经网路的电流模式仿真VLSI设计与制作416

12.4.1 电流模式VSLI设计416

12.4.2 电流模式VLSI神经网路设计418

12.4.3 高阶OTA—C神经元模型421

12.4.4 电流模式VLSI神经网路的自动调谐422

12.5全集成仿真神经网路优化处理器423

12.5.1 全集成优化处理器的提出423

12.5.2 非线性规划神经网路计算器424

12.5.3 全集成线性规划神经网路计算器426

12.5.4 二次规划神经网路仿真电路427

12.5.5 大型非线性规划的全集成神经网路仿真429

展望431

参考文献433