神经网络应用技术PDF电子书下载

第一章 概述 3

1.1 人工神经网络的参照物--大脑神经网络 3

1.1.1 人的神经系统与神经网的组织分工 3

1.1.2 大脑神经元的构成 4

1.1.3 神经元是状态响应的信号部件 8

1.2 人工神经网络的构成与分类 10

1.2.1 人工神经网络的构成 10

1.2.2 人工神经网络的学习与各类模型 15

1.3 人工神经网络的实现 19

1.3.1 电子神经网络计算机 21

1.3.2 光学神经计算机 30

1.3.3 分子神经计算机 32

1.4 人工神经网络研究的历史回顾 33

第二章 神经网络与组合优化 42

2.1 Hopfield网络与TSP问题 42

2.1.1 Hopfield模型 42

2.1.2 TSP问题的描述 45

2.1.3 网络匹配与求解 47

2.1.4 问题与研究 50

2.2.1 弹性网络原理 51

2.2 弹性神经网络与TSP问题 51

2.2.2 TSP问题求解 53

2.3 Boltzmann机与组合优化 54

2.3.1 Boltzmann机 54

2.3.2 组合优化问题求解 57

2.4 Guass机与组合优化 62

2.4.1 Guass机原理 62

2.4.2 组合优化问题求解 63

2.5 时变回归神经网络与凸规划 67

2.5.1 凸规划回归神经网络原理 67

2.5.2 构造与求解 69

第三章 神经网络与模式识别 73

3.1 模式识别及其发展概况 73

3.2 模式识别方法 75

3.2.1 待识客体的固有特性 75

3.2.2 传统模式识别方法 76

3.2.3 神经网络用于模式识别的机理和特点 77

3.3 单层感知器和BP网络 77

3.3.1 ADALINE模型 77

3.3.2 MADALINE模型 80

3.3.3 BP网络 82

3.4.1 用途和意义 86

3.4 文字识别的神经网络途径 86

3.4.2 用于字符识别的多层前传网 87

3.4.4 提取不变性特征 101

3.4.5 新感知机与不变性变换 106

3.4.6 选择注意模型(Selective Attention) 117

3.5 指纹识别 122

第四章 神经网络在图像处理中的应用 127

4.1 图像处理及其意义 127

4.2 图像恢复 130

4.3 边缘检测与图像分割 136

4.3.1 边缘检测的一般方法 136

4.3.2 BP网用于边缘检测 139

4.3.3 Pyramid网用于边缘恢复与增强 140

4.3.4 图像分割的神经网络法 144

4.4.1 通过图像编码达到图像压缩 151

4.4 图像压缩 151

4.4.2 通过图像变换达到图像压缩 156

5.1 引论 163

5.1.1 控制理论的发展与面临的挑战 163

第五章 神经网络与自动控制 163

5.1.2 神经网络用于控制的优越性 168

5.1.3 神经网络控制的发展 169

5.2 神经网络逼近能力与学习能力 170

5.2.1 多层前传网络逼近能力 170

5.2.2 网络权重调节的统一规则 180

5.2.3 FIR多层前传网络的时域回传算法 185

5.2.4 多层前传网络训练的趋化算法 188

5.3 神经网络与系统辨识 190

5.3.1 动态多层前传网络 190

3.4.3 具有不变性结构的网络 195

5.3.2 ART？神经网络在系统辨识中的应用 195

5.3.3 逆动力学系统的辨识 202

5.3.4 神经网络系统辨识的具体应用 208

5.4 神经网络监督与评价学习控制 210

5.4.1 监督学习神经网络控制器 210

5.4.2 评价学习神经网络控制器 216

6.1.4 CMAC在手眼跟踪中的应用 216

5.4.3 小脑模型及其在控制中的应用 219

5.4.4 基于ANZA神经网络协处理器的过程控制 224

5.5 神经网络非线性控制 226

5.5.1 神经网络内模控制 226

5.5.2 神经网络非线性预测控制 228

5.5.3 级联多层回传网络非线性调节器 230

5.5.4 神经网络控制器的反馈误差学习法 231

5.5.5 神经网络在工业过程控制中的应用 232

5.6.1 神经网络模型参考自适应控制 236

5.6 神经网络自适应控制 236

5.6.2 神经网络自校正控制 241

5.6.3 神经网络直接自适应控制 244

5.6.4 Cohen-Grossberg模型与非线性自适应控制 249

第六章 神经网络与机器人控制 253

6.1 CMAC模型与机器人控制 253

6.1.1 CMAC模型与轨迹规划问题 253

6.1.2 加CMAC学习控制后机械手的跟踪性能 256

6.1.3 CMAC与机械手空间轨迹的形成 259

6.2 中枢神经系统与机器人控制 262

6.2.1 轨迹生成与坐标变换 263

6.2.2 中枢神经系统模型 264

6.3 机器人眼手系统位置协调控制的神经网络算法 269

6.3.1 机器人眼手系统 269

6.3.2 单层网络的自一致学习 270

6.3.3 视觉反馈--误差自学习 276

6.3.4 关于多层前传网络应用的比较 277

6.3.5 眼手协调的CMAC算法 278

6.4 VITE模型及仿真 281

6.5.1 Kohonen网络原理 289

6.5 自组织神经网络与机器人眼手系统 289

6.5.2 三维自组织网络与眼手系统 292

第七章 神经网络与信号处理 295

7.1 神经网络在通讯信号处理中的应用 295

7.1.1 信号检测 295

7.1.2 信道均衡 298

7.2 神经网络在语音信号处理中的应用 300

7.2.1 语音识别的意义及神经网络在其中的潜在优势 300

7.2.2 白化滤波器 301

7.2.3 非特定人26个英文字母的语音识别 302

7.2.4 非特定人汉语韵母的识别 307

7.2.5 Kohonen声控打字机 312

7.3 神经网络在声纳信号处理中的应用 314

7.3.1 声纳信号的预处理 314

7.3.2 神经网络的构造 317

7.3.3 网络的训练与信号识别 318

7.4 神经网络在心电信号处理中的应用 322

7.4.1 自适应噪声抵消器 322

7.4.2 基于ANZA神经网络协处理器的ECG处理 325

7.4.3 神经网络在QRS检测中的应用 326

7.5.1 神经网络EEG处理的意义与难度 329

7.5 神经网络在脑电信号处理中的应用 329

7.5.2 神经网络用于药物作用鉴别的脑电信号处理 330

7.5.3 神经网络用于大脑的高级认知功能 332

7.5.4 神经网络用于信号污染清除和唤起电位估计 333

第八章 人工神经网络与人工智能 335

8.1 人工智能30多年来的发展 335

8.1.1 人工智能的定义 335

8.1.2 人工智能30多年来的巨大成就 336

8.1.3 人工智能面临的基础性问题 342

8.2 通过人工神经网络发展人工智能的可能性 347

8.2.1 形象思维与计算机视觉 348

8.2.2 知识的形式化与非形式化表示 350

8.3 信息的联想存储与检索 352

8.3.1 存取方式的变化 353

8.3.2 联想存取的实现 356

8.3.3 联想存储在知识处理中的应用 363

8.4 人工神经网络获取知识 365

8.4.1 直接从数值化的实例学习 366

8.4.2 知识由显到隐的转化 366

8.4.3 知识的求精 372

8.5 人工神经网络的推理机制 377

8.5.1 基于神经网络的逻辑推理 379

8.5.2 由神经网络实现的并行推理 385

8.6 人工神经网络与专家系统的结合 388

8.6.1 专家系统的学习与运行机理 388

8.6.2 人工神经网络与专家系统的差异和结合的途径 390

8.6.3 用人工神经网络独立完成专家系统 395

8.6.4 基于神经网络群的智能系统 406

第九章 神经网络在其它方面的应用及其发展展望 412

9.1 神经网络在经济领域中的应用 412

9.1.1 价格预测 412

9.1.2 企业破产预测 414

9.2 神经网络在化学上的应用 415

9.3 神经网络在卫生保健中的应用 418

9.3.1 废水处理 418

9.3.2 蛋白质分类 422

9.4 人工神经网络的军事应用 423

9.4.1 概述 423

9.4.2 具体应用 428

9.5 人工神经网络展望 431

9.5.1 人工神经网络的局限性 431

9.5.2 发展人工神经网络的良好机遇 433

9.5.3 前景 436