1绪论 1
1.1从“更深的蓝”谈起 1
1.2人工智能 2
1.3计算智能 4
1.4神经网络研究的历史沿革 6
1.5人脑的信息处理 9
1.6Von Neumann机及其局限性 12
1.7神经计算机 15
习题一 16
2神经网络基础 17
2.1神经元模型 17
2.2神经网络结构 23
2.3学习与记忆的基本原理 26
2.4神经网络的学习与记忆 29
2.5几个概念 37
2.6ANN与BNN之异同 40
习题二 41
3感知机 43
3.1感知机模型 43
3.2感知机的学习 45
3.3感知机的收敛性 48
3.4感知机的局限性 52
习题三 53
4BP网络 55
4.1概述 55
4.2BP算法的原理 57
4.3BP算法的实现 62
4.4隐含层的作用 65
4.5训练与测试 67
4.6BP网络的性能与局限 70
4.7改进方案 71
习题四 75
5Hopfield网络 77
5.1概述 77
5.2DHNN 78
5.3能量函数 81
5.4DHNN的学习 85
5.5联想记忆 87
5.6CHNN 90
习题五 91
6随机神经网络 93
6.1概述 93
6.2模拟退火算法 94
6.3波尔兹曼机 96
6.4波尔兹曼机的学习 100
习题六 104
7竞争型神经网络 105
7.1概述 105
7.2竞争学习网络的结构 106
7.3基本竞争网络的学习 109
7.4SOM网络的学习 112
7.5CP网络的学习 114
7.6模式分类 117
7.7竞争学习的特点 120
习题七 122
8神经网络应用 123
8.1概述 123
8.2模式对的规格化 126
8.3胆甾液晶色/温特性的标定 130
8.4经济规模评估 133
8.5图像数据压缩 136
8.6图像边缘检测 139
习题八 140
实验 142
实验一M-P模型的建立 142
实验二感知机 147
实验三BP网络 154
参考文献 165