信号处理的神经网络方法PDF电子书下载

第1章 绪论 1

1. 1引言 1

1. 2人工神经网络概述 3

1.2.1人工神经元 3

1.2.2人工神经网络分类 5

1.2.3前向人工神经网络 7

1.2.4竞争型人工神经网络 13

1. 2. 5递归人工神经网络 17

1.2.6量子比特神经网络 19

1. 3人工神经网络适用于信号处理 20

1.3.1数字信号处理问题概述 20

1.3.2人工神经网络适用于数字信号处理 21

1.3.3应用人工神经网络解决信号处理问题示例 21

1. 4 ANN解决信号处理问题的一般思路 24

习题 25

第2章 基于BP网络的信号处理 26

2. 1引言 26

2. 2 BP学习算法 27

2. 2. 1输出层神经元权值确定 27

2. 2. 2隐含层神经元权值确定 29

2. 2.3权值修正过程 31

2. 2. 4 BP学习算法描述 32

2. 3 BP学习算法的局限性及改进方法 33

2. 3. 1 BP学习算法的局限性 33

2. 3. 2 BP学习算法的改进方法 34

2. 4构建BP网络的关键问题 35

2. 5 BP网络的MATLAB实现 37

2. 6基于BP网络的英文字母识别 41

2. 6. 1英文字母特征提取 41

2.6.2网络结构确定 42

2.6.3网络训练 43

2. 6.4网络构建流程 47

2. 6. 5字母识别性能分析 48

习题 52

第3章 基于RBF网络的信号处理 54

3. 1函数的内插理论 55

3.1.1近似问题的定义 55

3.1.2函数的内插 55

3. 2径向基神经元 58

3. 3高斯RBF网络 59

3. 3. 1高斯RBF网络结构 59

3. 3. 2网络学习方法 60

3. 3. 3 RBF网络结构确定方法 62

3. 4概率RBF网络 63

3. 4. 1贝叶斯决策分类方法简介 63

3. 4.2概率RBF网络结构 64

3. 4.3基于EM算法的概率RBF网络的学习 65

3. 5 RBF网络的MATLAB实现 70

3. 5. 1 RBF网络创建函数 70

3. 5. 2 RBF网络传递函数和转换函数 72

3. 6 RBF网络应用实例 73

3. 6.1基于RBF网络的插值技术 73

3. 6. 2基于RBF网络的浅滩演变预测 78

习题 82

第4章 基于SOFM网络的信号处理 83

4. 1 SOFM网络结构 84

4. 1. 1 SOFM网络基本特点 84

4. 1.2网络构成 84

4. 2 SOFM网络学习算法 85

4.2.1两阶段权值调整 86

4. 2. 2算法步骤 86

4. 2. 3参数选择 87

4. 2. 4算法改进 90

4. 3 RSOM树 91

4. 3. 1 RSOM树原理 91

4. 3. 2 RSOM树的基本训练算法 92

4.4 LVQ网络 93

4. 5 SOFM网络的MATLAB实现 96

4. 6 SOFM网络应用实例 98

4.6.1基于SOFM的人口分类 98

4.6.2基于LVQ网络的模式识别 102

习题 104

第5章 神经动力学基本原理及Hopfield网络 106

5.1 Lyapunov动力学稳定理论 107

5.1.1动态系统及状态空间 107

5.1.2系统平衡状态的稳定性 108

5.1.3 Lyapunov稳定性定理 109

5.2 Hopfield神经元的数学模型 110

5.3时间连续Hopfield网络 111

5.3.1数学描述 111

5.3.2稳定性分析 114

5.4时间离散Hopfield网络 116

5.4.1时间离散Hopfield网络结构 116

5.4. 2稳定性分析 117

5. 4. 3网络工作方式 118

5.5 Hopfield网络的应用领域 119

5. 5. 1联想记忆问题 119

5. 5. 2组合优化问题 120

5.6 Hopfield网络的MATLAB实现 121

5.6.1 Hopfield网络创建函数 121

5.6.2 Hopfield网络的设计 122

习题 126

第6章 量子比特神经网络 127

6. 1量子比特与量子门 128

6. 1. 1量子比特 128

6. 1. 2量子门 129

6. 2量子比特神经元模型 130

6. 3量子比特神经网络结构 131

6. 4 QBP算法 133

习题 134

第7章 结束语 135

7. 1其他人工神经网络模型 135

7. 2人工神经网络发展的制约因素 137

7.3人工神经网络发展趋势 138

7.4神经网络书籍与期刊 138

参考文献 140