神经网络技术及应用PDF电子书下载

第一章 绪论 1

1.1 人工神经网络概述 1

1.1.1 神经网络是当代信息高科技的竞争热点 1

1.1.2 神经网络的基本原理 2

1.2 神经网络信息处理的特征及应用 3

1.3 Von Neumann机与人脑的比较 4

第二章 神经网络的生理基础 6

2.1 大脑信息处理基础 6

2.1.1 脑神经系统的结构 6

2.1.2 神经元 7

2.1.3 神经膜等效电路 8

2.1.4 H-H神经元细胞等效方程 9

2.2 人脑的信息处理 10

2.2.1 神经生物学的理解 11

2.2.2 算法的研究 11

2.2.3 信息系统的研究 11

2.3 大脑模型 12

2.3.1 大脑的模型化研究方法 12

2.3.2 神经网络模型 13

2.4 基本神经元模型 15

第三章 前馈神经网络 18

3.1 感知机 18

3.1.1 感知机模型 18

3.1.2 感知机学习 19

3.1.3 感知机收敛性定理 22

3.2 BP神经网络 25

3.2.1 BP模型 25

3.2.2 学习算法 26

3.2.3 训练与测试 28

3.2.4 BP模型的性能 32

3.3 竞争学习网络 34

3.3.1 竞争学习网络结构 34

3.3.2 竞争学习机理 36

3.3.3 举例 36

3.3.4 竞争学习网络特征 39

第四章 Hopfield神经网络 41

4.1 离散型Hopfield网络 41

4.2 联想记忆 42

4.2.1 基本原理 42

4.2.2 举例 43

4.2.3 记忆的局限 43

4.3 连续型Hopfield网络 44

4.4 A/D转换网络 46

4.5 Hopfield网络用于求解组合优化问题 47

第五章 随机神经网络优化理论 49

5.1 退火模型优化模型 49

5.2 随机神经优化模型 52

5.2.1 Boltzmann Machine和Cauchy Machine 52

5.2.2 随机神经优化模型 54

5.3 应用神经优化方法解决LSI/VLSI布局问题 56

5.3.1 概述 56

5.3.2 一维逻辑门布局问题 58

第六章 神经网络用于求解旅行商问题 63

6.1 组合优化问题 63

6.2 C-TSP优化问题的提出 64

6.3 用Hopfield网络解C-TSP 65

6.3.1 C-TSP计算能量函数的建立 65

6.3.2 C-TSP的算法 66

6.3.3 C-TSP算法智能化 67

6.3.4 C-TSP的计算结果 68

6.4 C-TSP的改进算法 70

6.5 神经网络方法用于求解MTSP 71

6.6 MTSP转化为TSP的神经网络解法 71

6.6.1 问题的提出及表示 71

6.6.2 能量函数的建立 73

6.6.3 MTSP的迭代公式及模拟结果 74

6.7 MTSP能量函数的建立及神经网络求解 75

6.7.1 从同一城市出发的MTSP 75

6.7.2 从不同城市出发的MTSP 77

6.7.3 MTSP的算法及智能化和计算结果 79

第七章 神经网络用于求解铁路组合优化问题 83

7.1 神经网络用于求解铁路空车调度问题 83

7.2 空车调度问题神经网络模型Ⅰ 83

7.2.1 空车调度问题的数学模型 83

7.2.2 神经网络解决 84

7.2.3 计算机模拟分析 85

7.3 空车调度问题神经网络模型Ⅱ 87

7.3.1 发收空车不平衡空车调度的模型 87

7.3.2 计算机模拟 88

7.4 空车调度问题神经网络模型Ⅲ 89

7.4.1 具有中间站转运空车的空车调度数学模型 89

7.4.2 神经网络解法 90

7.4.3 计算机模拟结果 91

7.5 神经网络用于求解列车编组计划问题 92

7.6 列车编组计划问题的分析及神经网络模型 93

7.6.1 TFP的二次规划模型 93

7.6.2 TFP的神经网络模型 95

7.7 遗传算法用于列车编组计划问题 97

7.7.1 遗传算法的起源、概念及方法 97

7.7.2 TFP问题的遗传算法的表示与实现 99

7.7.3 模拟实验结果 100

第八章 模糊神经网络控制系统 102

8.1 模糊控制系统概念 102

8.1.1 模糊控制系统基本结构 102

8.1.2 模糊控制器基本功能模块 103

8.1.3 模糊神经网络 103

8.2 应用神经网络构造模糊控制系统 108

8.2.1 数学描述 108

8.2.2 模糊神经网络模型 111

8.3 模糊规则提取方法 112

8.3.1 模糊规则辨识方法 112

8.3.2 规则相关结点的辨识 114

8.3.3 模糊神经网络系统的优化 115

8.4 模糊规则权重的神经网络方法修正 116

8.4.1 问题的提出 116

8.4.2 模型的建立 117

8.4.3 系统辨识过程 118

8.4.4 模型训练算法和样本获取方法 120

第九章 FNN在列车运行控制安全系统中的应用 121

9.1 列车运行安全控制系统 121

9.1.1 目前速度控制方式及存在问题 121

9.1.2 列车运行智能控制 122

9.2 FNN在列车运行安全控制系统中的应用 124

9.2.1 TASC评价指标和控制规则 124

9.2.2 模糊神经网络控制的模型建立 125

9.2.3 列车运行安全模糊神经网络控制的可行性分析 129

9.3 仿真结果 131

9.3.1 仿真过程和步骤 131

9.3.2 ZFNN控制系统仿真模型的生成 131

9.3.3 模糊控制规则的获取和应用 136

9.3.4 仿真结果及分析 140

第十章 模糊神经网络系统 142

10.1 模糊系统与神经网络 142

10.1.1 模糊系统的知识表示、推理与获取 142

10.1.2 推理机与函数逼近器 143

10.1.3 前馈神经网络的函数逼近能力及推广能力 144

10.1.4 模糊系统与神经系统结合 145

10.1.5 模糊神经网络的学习 146

10.2 模糊神经计算系统体系结构 147

10.2.1 智能信息活动的特征 147

10.2.2 模糊神经计算系统体系结构 148

10.3 模糊神经计算的满意输出原理 152

10.3.1 基本定义 152

10.3.2 运算法则 153

10.3.3 在求解TSP中的应用 155

参考文献 158