神經(jīng)計算機(jī)：概念、原理、算法、能力

第1章　引論
　1.1　計算機(jī)的發(fā)展
　1.2　新概念計算機(jī)
　1.3　什么是模式
　1.4　自組織一模式形成
　1.5　認(rèn)識與模擬
　1.6　聯(lián)想存貯器
　1.7　大腦結(jié)構(gòu)與功能
　1.8　如何著手
第2章　協(xié)同學(xué)概念
　2.1　典型現(xiàn)象
　2.2　系統(tǒng)演化的因素
　2.3　演化方程的解
　2.4　時空模式的形成
　2.5　?？恕绽士朔匠?br />　2.6　序參量的作用
第3章　模式識別模型
　3.1　引言　
　3.2　原形模式矢量和試驗(yàn)?zāi)Ｊ绞噶?br />　3.3　構(gòu)建動力學(xué)
　3.4　勢函數(shù)V（ξk）的重要性質(zhì)
3.5　識別示例
　3.6　神經(jīng)網(wǎng)絡(luò)
第4章　模式識別的不變性
　4.1　不變性問題
　4.2　傅晨葉變換和對數(shù)映像法
　4.3　數(shù)值計算　
　4.4　不變性的另一方法　
　4.5　模式的一般變換
　4.6　復(fù)合模式識別示例
第5章　學(xué)習(xí)算法及相關(guān)過程
　5.1　學(xué)習(xí)算法的探索
　5.2　突觸強(qiáng)度
　5.3　信息和信息增益
　5.4　再論神經(jīng)計算機(jī)的基本結(jié)構(gòu)原理
　5.5　通過信息增益的學(xué)習(xí)
　5.6　梯度動力學(xué)的學(xué)習(xí)算法
　5.7　學(xué)習(xí)過程的相關(guān)活動
　5.8　學(xué)習(xí)模式
　5.9　學(xué)習(xí)和序參量
第6章　模式識別能力
　6.1　引言
　6.2　兩可模式的識別
　6.3　濾光照片的識別
　6.4　邏輯運(yùn)算
　6.5　立體視覺模型
第7章　運(yùn)動模式的識別
第8章　回顧與展望
附錄A　卡爾胡寧——勒夫展開
附錄B　哈肯—弗里德里?！獮鯛柗椒?br />主要參考文獻(xiàn)