人工神经网络技术及其应用PDF电子书下载

目 录 1

第一章概论 1

1.1 人工神经网络的发展与现状 1

1.2人工神经元模型 3

1.3用有向图表示神经网络 5

1.4网络结构及工作方式 6

1.5神经网络的学习 7

1.5.1 学习方式 7

1.5.2学习算法 8

1.5.3学习与自适应 9

2.1线性阈值单元组成的前馈网络 11

第二章前馈型神经网络 11

2.1.1 MP模型 12

2.1.2感知器组合的神经网络 13

2.1.3多层的感知器网络 20

2.2非线性变换单元组成的前馈网络 26

2.2.1 网络的结构与数学描述 26

2.2.2 BP的学习算法 29

2.2.3 BP网络的误差曲面讨论 34

2.2.4算法的改进 36

2.3应用举例 39

第三章径向基函数神经网络 41

3.1函数逼近与内插 41

3.2正规化理论 43

3.3 RBF网络的学习 45

3.4 RBF网络的一些变形 52

3.4.1广义RBF网络 52

3.4.2 RBF网络的其他变形 53

3.5模糊神经网络 54

3.5.1模糊神经元及模糊神经网络 54

3.5.2基于自适应模糊系统AFFs的径向基高斯函数 58

网络 58

3.6 RBF网络应用 63

3.6.1用RBF网络解XOR问题 63

3.6.2 RBF网络用于自适应均衡 64

3.6.3非线性系统的故障诊断 65

第四章小波神经网络 70

4.1引言 70

4.2小波变换 71

4.3多分辨率分析 74

4.4小波神经网络的结构形式 77

4.4.1多分辨率小波网络 77

4.4.2连续参数小波网络 78

4.5小波神经网络的学习算法 80

4.5.1多分辨率小波网络的学习 80

4.5.2连续小波网络的随机梯度学习算法 82

4.5.3小波网络与常规神经网络的比较 88

4.6小波网络的应用 89

5.1联想存储器 93

第五章Hopfield反馈神经网络 93

5.2反馈网络 94

5.2.1离散Hopfield网络 95

5.2.2连续Hopfield网络 99

5.3用反馈网络作联想存储器 101

5.4相关学习算法 102

5.5反馈网络用于优化计算 104

第六章神经网络应用于信号和图像处理 109

6.1 LS准则下的神经网络自适应滤波 109

6.2.1最大熵一维谱估计的神经网络实现 113

6.2基于神经网络的谱估计 113

6.2.2最大熵多维谱估计的神经网络方法 117

6.3基于神经网络的高阶谱估计 121

6.4细胞神经网络用于图像处理 125

6.5腹水脱落癌细胞的识别研究 131

6.5.1概述 131

6.5.2可疑细胞分割 132

6.5.3BP神经网络对可疑细胞分类识别 137

6.5.4结论和讨论 138

第七章神经网络用于自动控制 139

7.1 概述 139

7.2.1引言 140

7.2基于神经网络的系统辨识 140

7.2.2静态模型辨识：柴油调合的凝点和冷滤点BP 141

网络模型 141

7.2.3动态非线性RBF模型辨识 145

7.3基于神经网络的非线性预测控制 147

7.3.1 引言 147

7.3.2动态系统RBF模型 148

7.3.3 RBF网络的一种训练方法 148

7.3.4 RBF预测控制器 149

7.3.5仿真算例 151

7.4.1 引言 153

7.4.2柴油调合生产过程简介 153

优化 153

7.4基于神经网络模型的柴油调合非线性控制和在线 153

7.4.3柴油调合生产优化方法 154

7.4.4柴油调合倾点预测控制方法 156

7.4.5柴油调合生产优化与预测控制方法仿真研究 158

7.4.6结论 160

7.5基于神经网络的化工过程动态监控 160

7.5.1引言 160

7.5.2 RBF预测神经网络 161

7.5.3 RBF诊断神经网络 162

7.5.4结论 164

参考文献 165