人工神经网络导论

　　《人工神经网络导论》依照简明易懂、便于软件实现、鼓励探索的原则介绍人工神经网络。内容包括：智能系统描述模型，人工神经网络方法的特点；基本人工神经元模型，人工神经网络的基本拓扑特性，存储性能及学习；感知器与线性不可分问题，Ifcc学习律，Efmub规则；CQ算法及其原理分析，算法改进讨论；对传网的结构及其运行，对传网的初始化与训练算法；统计网络的训练与收敛性分析；Ipgjqfme 网络及稳定性，Boltzmann 机；双联存储网络的结构及训练；BSU 模型的结构分析与实现。《人工神经网络导论》适合于研究生和本科高年级学生使用，也可供有关学生、科技人员参考。

暂缺《人工神经网络导论》作者简介

第一章 引言
1.1 人工神经网络的提出
1.1.1 智能与人工智能
1.1.2 物理符号系统
1.1.3 联接主义观点
1.1.4 两种模型的比较
1.2 人工神经网络的特点
1.2.1 人工神经网络的概念
1.2.2 学习能力
1.2.3 基本特征的自动提取
1.2.4 信息的分布存放
1.2.5 适用性问题
1.3 历史回顾
1.3.1 萌芽期
1.3.2 第一高潮期
1.3.3 反思期
1.3.4 第二高潮期
1.3.5 再认识与应用研究期
练习题
第二章 人工神经网络基础
2.1 生物神经网络
2.2 人工神经元
2.2.1 人工神经元的基本构成
2.2.2 激活函数(ActivationFunction)
2.2.3 M-P模型
2.3 A.工神经网络的拓扑特性
2.3.1 联接模式
2.3.2 网络的分层结构
2.4 存储与映射
2.5 人工神经网络的训练。
2.5.1 无导师学习
2.5.2 有导师学习
练习题
第三章 感知器
3.1 感知器与人工神经网络的早期发展
3.2 感知器的学习算法
3.2.1 离散单输出感知器训练算法
3.2.2 离散多输出感知器训练算法
3.2.3 连续多输出感知器训练算法
3.3 线性不可分问题
3.3.1 异或(Exclusive-0R)问题
3.3.2 线性不可分问题的克服
练习题
第四章 BP网络
4.1 概述
4.2 基本BP算法
4.2.1 网络的构成
4.2.2 训练过程概述
4.2.3 误差传播分析
4.2.4 基本的BP算法
4.3 算法的改进
4.4 算法的实现
4.5 算法的理论基础
4.6 几个问题的讨论
练习题
第五章 对传网
5.1 网络结构
5.2 网络的正常运行
5.2.1 Kohonen层
5.2.2 Grossberg层
5.3 Kohonen层的训练
5.3.1 输入向量的预处理
5.3.2 训练
5.4 Kohonen层联接权的初始化方法
5.5 Grossberg层的训练
5.6 补充说明
练习题
第六章 非确定方法
6.1 基本的非确定训练算法
6.2 模拟退火算法
6.3 Cauchy训练
6.4 相关的几个问题
练习题一
第七章 循环网络
7.1 循环网络的组织
7.2 稳定性分析
7.3 统计Hopfield网与Boltzmann机
7.4 双联存储器的结构
7.5 异相联存储
7.6 其他的双联存储器
7.7 Hopfield网用于解决TSP问题
练习题
第八章 自适应共振理论
8.1 ART的结构
8.2 ART的初始化
8.2.1 T的初始化
8.2.2 B的初始化
8.2.3 p的初始化
8.3 ART的实现
练习题
参考文献