第一章神经网络实现技术概论 1
§1.1神经网络实现技术概述 1
§1.1.1 神经网络实现技术研究内容和意义 1
目 录 1
§1.1.2神经计算机与电子计算机的区别和联系 3
§1.2神经网络实现技术的研究历史 5
§1.3神经网络虚拟实现技术研究概述 8
§1.3.1基于传统计算机系统的软件仿真 8
§1.3.2神经网络并行多机系统 13
§1.3.3带加速板的电子神经计算机 17
§1.4神经网络全硬件实现技术概述 18
§1.4.1神经网络VLSI实现 19
§1.4.2神经网络的光学实现 22
§1.4.3神经网络的分子／化学实现技术 26
§2.1.1神经网络模型的基本组成 28
第二章神经网络计算系统 28
§2.1人工神经网络基本概念 28
§2.1.2神经网络的分类及典型的神经网络模型 36
§2.1.3神经网络结构及神经计算特点 38
§2.1.4神经计算的稳定性 42
§2.2前馈神经网络模型 46
§2.2.1自适应线性元模型（ADALINE） 46
§2.2.2感知机 50
§2.3反馈神经网络模型 55
§2.3.1 Hopfield神经网络模型 55
§2.3.2海明神经网络模型 59
§2.3.3双向联想存储器（BAM） 61
§2.4自组织神经网络模型 65
§2.4.1自适应谐振理论（ART） 65
§2.4.2 自组织映射神经网络模型（SOM） 71
§2.4.3对流神经网络模型（CPN） 76
§2.4.4认知机 80
§2.5随机神经网络模型 84
§2.5.1模拟退火算法 84
§2.5.2 Boltzmann机 87
§2.5.3谐和理论 90
第三章神经网络软件实现 94
§3.1 概述 94
§3.2神经网络在微机上的实现 95
§3.2.1编程语言的选择 95
§3.2.2 BP神经网络模型在微机上的实现 96
§3.3神经网络软件实现中的一些问题 119
§3.3.1神经网络输入数据的组织 119
§3.3.2神经网络计算的显示 120
§3.3.3翻译和编译 121
§3.3.4存储器容量限制 122
§3.3.5神经网络应用程序的调试 122
第四章神经网络软件开发环境 123
§4.1神经网络软件开发环境概述 123
§4.1.1概述 123
§4.1.2神经网络软件开发环境研制背景 125
§4.2神经网络模型的描述 127
§4.2.1概述 127
§4.2.2神经网络模型的描述 129
§4.3神经网络软件开发环境 132
§4.3.1 概述 132
§4.3.2 Case Net：一种神经网络软件开发环境 134
§4.4大型通用神经网络模拟系统 140
§4.4.1 系统结构 141
§4.4.2神经网络描述语言（NNDL） 148
§4.4.3描述语言解释的内部表达 169
§4.4.4系统的特点及其与国外同类系统的比较 184
第五章神经计算协处理器 186
§5.1 ANZA协处理器 186
§5.2Odyssey协处理器 189
§5.2.1Odyssey系统的设计思想 190
§5.2.2Odyssey系统结构 192
§5.2.3软件环境 195
§5.2.4 Odyssey系统的应用 199
§5.3 Delta神经计算协处理器 201
第六章并行神经计算机实现基础 207
§6.1并行实现神经计算的方法 207
§6.1.1概述 207
§6.1.2并行实现神经计算方法的评价 210
§6.2并行神经计算机实现需求分析 211
§6.2.1神经计算过程的分析 211
§6.2.2单个处理单元的基本操作分析 214
§6.2.3一种并行实现神经计算的模型 216
§6.2.4对处理单元计算速度的要求分析 220
§6.2.5对处理单元个数的要求 222
§6.2.6对通信带宽的要求 225
§6.2.7对存储容量的需求 226
§6.3神经计算机系统设计的一些问题 228
§6.3.1前端机和后端机的连接方式 228
§6.3.2前端机和后端机的交互协议 231
§6.3.3并行神经计算机系统的模拟规模 231
§6.3.4并行神经计算机系统的通用性 232
§6.3.5并行神经计算机系统的处理单元 233
§6.3.6神经计算机系统的机器字长 235
§6.3.7神经计算机系统软件的接口能力 235
§6.3.8神经计算机系统的可移植性和可扩展性 236
§7.1 IBM NEP并行神经计算机系统 237
第七章几种并行神经计算机系统 237
§7.2 TI NETSIM并行神经计算机系统 239
§7.3 MARK系列并行神经计算机 240
§7.3.1 MARK—Ⅲ并行神经计算机系统 240
§7.3.2 MARK—Ⅳ神经计算机 243
§7.4通用高速变结构并行神经计算机概述 247
§7.4.1 NeuroC—I硬件系统构成 248
§7.4.2后端机处理单元的选择及其结构 249
§7.4.3后端机存储器模块的结构 250
§7.4.4系统通信控制器的结构 251
§7.4.5后端机与前端机的接口 253
§7.4.6硬件系统的工作方式 253
§7.4.7系统变结构机制 255
第八章面向对象神经网络描述语言 257
§8.1神经网络语言设计需求分析 257
§8.2.1面向对象方法学思想的引入 260
§8.2面向对象神经网络语言概述 260
§8.2.2面向对象神经网络描述语言概述 262
§8.3神经网络模型和神经计算过程描述 265
§8.3.1神经网络模型描述 265
§8.3.2神经网络计算过程描述 269
§8.4面向对象神经网络语言的特点分析 271
第九章OONL并行编译器 273
§9.1OONL编译实现概述 273
§9.1.1OONL的编译流程 273
§9.1.2 OONL各个编译过程的功能 275
§9.2并行编译第二遍扫描中的关键技术 277
§9.2.1拓扑结构和处理特性的内部描述的形成 277
§9.2.2神经计算并行执行拓扑图的形成 281
§9.3.1五个并行执行的C语言应用程序的形成方法 284
§9.3并行编译第三遍扫描中的关键技术 284
§9.3.2神经网络描述到数据结构定义的转换 288
§9.3.3 含神经计算语句的等价变换及其分割方法 289
§9.4过程数据流程分析 298
§9.4.1基本定义 299
§9.4.2不带参数的过程数据流程分析 300
§9.4.3一般情形的数据流程统计 302
§9.4.4数据流程分析的应用 305
§9.5神经网络信息存储组织方法 306
§9.5.1概述 306
§9.5.2两种基本的神经网络信息存储方法 307
§9.5.3两种改进的神经网络信息存储方法 309
第十章神经计算映射算法 314
§10.1神经计算映射算法研究概述 314
§10.2神经网络映射算法基础 316
§10.3层次交叉分割映射算法 318
§10.3.1层次交叉分割映射算法基础 318
§10.3.2层次交叉分割映射算法及其实现 319
§10.4基于模拟退火思想的映射算法 336
§10.4.1通用神经计算并行模型NCPM概述 336
§10.4.2神经计算映射相关概念的形式化描述 338
§10.4.3基于模拟退火思想的通用神经计算映射算法 342
§10.5基于时间标记的神经网络映射算法 347
§10.5.1基于时间标记的神经网络映射算法开发基础 347
§10.5.2基于时间标记的神经网络映射算法 349
§10.5.3基于时间标记的神经网络映射算法的分析 351
§10.5.4基于时间标记的神经网络映射算法的测试结果 356
§10.6神经网络映射算法评述 360
§11.1概述 363
§11.1.1 并行神经计算机系统中交互作用分析 363
第十一章NeuroC控制系统 363
§11.1.2 NeuroC并行神经计算机控制系统概述 365
§11.2 NeuroC用户集成环境 367
§11.2.1概述 367
§11.2.2 NeuroC用户集成环境的功能及其实现 367
§11.3后端机处理单元的监控系统 374
§11.4通信控制系统的设计与实现 375
§11.4.1 系统中数据信息的发送和接收 375
§11.4.2前后端机命令的发送和接收 377
第十二章基于Transputer的并行实现 379
§12.1概述 379
§12.2基于Transputer的实现基础 381
§12.2.1 Transputer 381
§12.2.2多Transputer并行处理系统 387
§12.2.3 Transputer配套的语言 389
§12.3.1 KD—GP2N2S2系统组成 392
§12.3 KD—GP2N2S2并行神经计算机系统 392
§12.3.2 KD-GP2N2S2系统实现关键技术 396
第十三章Systolic并行实现技术 403
§13.1概述 403
§13.2神经计算Systolic实现一般方法 404
§13.2.1神经计算映射方法 404
§13.2.2 回忆过程的环形Systolic阵列结构 408
§13.2.3学习过程的环形Systolic阵列 412
§13.3一种Systollic并行神经计算系统 417
§13.3.1硬件体系结构 417
§13.3.2软件体系结构 427
§13.3.3神经计算的实现 428
第十四章神经网络模拟VLSI实现 435
§14.1 神经网络模拟VLSI实现基础 435
§14.1.1 当前模拟VLSI研究现状 435
§14.1.2 神经网络电压模式模拟VLSI实现基础 438
§14.1.3神经网络电流模式VLSI实现基础 445
§14.1.4神经网络模拟VLSI单元 454
§14.1.5模拟VLSI互连矩阵的实现 466
§14.2 J.Herault—C.Jutten神经网络的模拟实现 473
§14.2.1 J.Herault—C.Jutten神经网络简介 473
§14.2.2 J.Hérault—C.Jutten网络模拟CMOS实现概述 477
§14.2.3 J.Hérault-C.Jutten网络的CMOS实现 480
§14.3通用模拟神经计算机VLSI部件的设计和制造 485
§14.3.1概述 485
§14.3.2神经元模块的VLSI实现 487
§14.3.3突触模块的VLSI实现 492
§14.3.4开关模块 495
§15.1专用数字VLSI神经网络实现技术 499
§15.1.1 BACCHUS神经芯片 499
第十五章神经网络数字VLSI实现技术 499
§15.1.2 STONN神经芯片 505
§15.2通用数字VLSI神经网络实现技术 510
§15.2.1 X1神经芯片 511
§15.2.2 NLX420神经芯片 517
§15.2.3 一种圆片集成神经网络芯片 527
§15.3脉冲神经网络的一种数模混合实现 536
第十六章光学神经网络实现技术基础 544
§16.1 引言 544
§16.2光学数字逻辑器件 547
§16.2.1半导体光学双稳态器件 547
§16.2.2半导体标准具 548
§16.2.3 自电光效应器件（SEED） 550
§16.2.4面发光元器件 552
§16.2.5面输入／输出光电复合器件（VSTEP） 555
§16.2.6空间光调制器（SLM） 557
§16.2.7新型元器件研究 562
§16.3神经网络光学实现技术基础 562
§16.3.1概述 562
§16.3.2非线性光学现象 564
§16.3.3量子阱光电子器件的研究 572
§16.4光互连技术 582
第十七章神经网络光学实现技术 588
§17.1光学神经芯片 588
§17.1.1光纤互连式光学神经网络处理装置 589
§17.1.2三层集成结构光学神经芯片的研制 591
§17.1.3可编程光学神经芯片 593
§17.2二维图像联想存储的光学神经计算机 598
§17.2.1光学全息关联存储器 598
§17.2.2光联想存储人工神经网络试验装置 602
§17.2.3应用举例 603
§17.3二维可编程光学神经计算系统装置 605
§17.3.1可编程光学神经网络 605
§17.3.2应用举例 606
§17.4混合式神经计算系统 607
§17.4.1混合式神经网络装置的基本结构 607
§17.4.2光学神经网络制作与模拟 608
§17.5视觉信息联想处理机 611
第十八章生物分子神经网络实现技术 614
§18.1发展由来 614
§18.2分子计算模型 615
§18.3分子计算机初探 616
§18.3.1分子／原子级的平版印刷术 617
§18.3.2数字分子计算机 619
§18.3.3感触式分子计算机 624
参考文献 630