人工神經(jīng)網(wǎng)絡(luò)建造

     目 錄
   第一章 緒 論
    1.1歷史回顧
    1.2生物神經(jīng)
    1.2.1神經(jīng) 元
    1.2.2信息傳遞
    1.3神經(jīng)組織
    1.4視覺神經(jīng)
    1.5腦記憶的生理機制
    1.6分布系統(tǒng)的特點
    1.7分布系統(tǒng)的研究方法
    1.8人工神經(jīng)網(wǎng)絡(luò)與分布系統(tǒng)
    1.9人工神經(jīng)網(wǎng)絡(luò)信息處理原理
    1.9.1神 經(jīng) 元
    1.9.2人工神經(jīng)網(wǎng)絡(luò)的分類
    參考文獻
   第二章 人工神經(jīng)網(wǎng)絡(luò)的分布系統(tǒng)模型
    2.1基本數(shù)學工具
    2.1.1概率過程
    2.1.2連續(xù)時間的馬爾科夫過程
    2.1.3離散狀態(tài)系統(tǒng)與連續(xù)狀態(tài)系統(tǒng)
    2.1.4概率微分方程
    2.2勢條件和吉布斯分布
    2.2.1強勢條件
    2.2.2弱勢條件
    2.2.3細致平衡條件
    2.2.4正則系統(tǒng)和正則—散逸系統(tǒng)
    2.2.5Ito，Stratonovich概率微分方程及它們的福克—普朗克方程
    2.3系熵
    2.3.1最大熵原理
    2.3.2最小相對信息原理
    2.3.3最小平均“能量”原理
    2.3.4有序與無序平衡原理
    2.3.5系統(tǒng)平衡態(tài)的熵
    2.3.6平衡狀態(tài)的平均能量
    2.3.7最大熵分布
    2.4概率網(wǎng)絡(luò)
    2.4.1網(wǎng) 絡(luò)
    2.4.2Ising模型
    2.4.3利用平均場近似
    2.4.4馬爾科夫概率場和概率網(wǎng)絡(luò)
    2.5H0pfield網(wǎng)絡(luò)
    2.5.1Hopfield權(quán)值公式證明
    2.5.2連續(xù)Hopfield網(wǎng)
    2.5.3Hopf以d網(wǎng)絡(luò)優(yōu)化應(yīng)用
    2.6波爾茲曼機器
    附錄1
    附錄2
    附錄3
    參考文獻
    2.7網(wǎng)絡(luò)優(yōu)化
    2.7.1目標函數(shù)
    2.7.2最優(yōu)化問題的概率模型
    2.7.3分布最優(yōu)網(wǎng)絡(luò)
    2.7.4模擬退火法
    2.7.5網(wǎng)絡(luò)結(jié)構(gòu)變換
   第三章 人工神經(jīng)網(wǎng)絡(luò)的其它模型
    3.1人工神經(jīng)網(wǎng)絡(luò)的一般框架
    3.1.1一般框架
    3.1.2PDP模型分類
    3.1.3PDP模型分層機構(gòu)
    3.1.4一般并行活動模型范例
    參考文獻
    3.2感知器算法
    3.2.1感知器基本性質(zhì)
    3.2.2感知器梯度算法
    3.2.3線性閾值元件感知器
    3.3.4最小二乘分類算法
    3.3誤差反傳遞算法
    3.3.1兩層網(wǎng)的缺點
    3.3.2擴展誤差（Δ）規(guī)則
    3.3.3模擬結(jié)果
    3.3.4進一步擴展
    3.3.5改良BP算法
    3.3.6模擬程序
    3.4競爭學習算法
    3.4.1競爭學習機構(gòu)
    3.4.2競爭學習
    3.4.3形式分析
    3.4.4實驗結(jié)果
    3.4.5模擬程序
    參考文獻
    3.5遺傳算法的神經(jīng)網(wǎng)絡(luò)構(gòu)造方法
    3.5.1遺傳算法概述
    3.5.2遺傳算法應(yīng)用實例
    3.5.3遺傳算法的形式描述
    3.5.4遺傳算法神經(jīng)網(wǎng)絡(luò)
    參考文獻
    3.6基于自適應(yīng)共振理論的自組織網(wǎng)絡(luò)
    3.6.1ART的提出
    3.6.2ART模型結(jié)構(gòu)
    3.6.3競爭學習模型
    3.6.4任意輸入環(huán)境中的自穩(wěn)定學習
    3.6.5交替學習模型
    3.6.62/3規(guī)則
    3.6.7假定測試的自動控制
    3.6.8ART模型的數(shù)學方法
    3.6.9ART模型的學習算法
    參考文獻
   第四章 大規(guī)模人工神經(jīng)網(wǎng)絡(luò)的實現(xiàn)
    4.1計算機并行機制
    4.1.1并行性等級
    4.1.2并行結(jié)構(gòu)
    4.1.3處理機陣列
    4.1.4開關(guān)網(wǎng)絡(luò)
    4.2Systolic陣列結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)處理
    4.2.1Systolic陣列結(jié)構(gòu)原理
    4.2.2波前陣列
    4.2.3人工神經(jīng)網(wǎng)絡(luò)的Systolic陣列實現(xiàn)
    參考文獻
    4.3專用硬件
    4.3.1數(shù)字VLSI神經(jīng)元處理器
    4.3.2模擬電路VLSI神經(jīng)元處理器
    4.3.3系統(tǒng)實例
    4.3.4光技術(shù)機器