引言 1
第1篇 神经网络的结构 27
第1章 从布尔元件的逻辑基础向阈值逻辑基础的过渡 27
1.1 线性阈值单元(神经元) 27
1.2 多阈值逻辑 29
1.3 连续逻辑 29
1.4 激活函数的形式 30
参考文献 31
第2章 神经网络结构的定性分析 34
2.1 神经网络结构的几种形式 34
2.2 有顺序前向连接的多层网络 35
2.3 多层网络的结构及其符号表示 37
参考文献 40
第3章 有跨越连接的多层网络结构的优化 42
3.1 关于问题复杂性的准则 42
3.2 有跨越连接的一维输入网络的方案 43
3.3 类区数上限与下限的估计 44
3.4 结构优化问题的一些特例 45
3.5 根据某种拓扑特性进行的网络结构的优化 47
3.6 有Kp个输出值的网络结构的优化 50
参考文献 51
第4章 连续神经网络 52
4.1 输入特征为连续的神经元 52
4.2 取连续值的层中神经元 53
4.3 有离散特征的连续神经元层 53
4.4 神经元的连续模型的分类 54
参考文献 58
第2篇 神经网络的最优模型 60
第5章 神经网络输入信号特性的研究 60
5.1 问题的提出 60
5.2 有两类样本时输入信号的联合概率分布 61
5.3 有K类样本时输入信号的联合概率分布 66
参考文献 68
6.1 最优模型的一般结构 69
第6章 建造神经网络的最优模型 69
6.2 典型神经网络分界面的解析表达 70
6.3 多维ε(n)及y(n)时的最优模型 85
6.4 自学习状态下神经网络输入信号的先验信息 87
6.5 自学习状态下网络的一次优化准则 88
6.6 在有任意技术等级的教师和自学习状态下网络的最优模型 90
参考文献 92
第7章 开环神经网络的分析 93
7.1 神经网络的模拟量和离散量误差的分布规律 93
7.2 二次优化泛函的选择 100
7.3 系统“Adline”中二次优化泛函的选择 101
7.4 对应给定一次优化准则二次优化准则的形成 102
7.5 连续型神经网络 105
7.6 在有任意技术等级的教师和自学习状态下的神经网络 109
参考文献 109
8.1 多层神经网络二次优化泛函极值的搜索过程 110
8.2 有关多变量函数迭代搜索法的分析 110
第8章 多变量函数极值的搜索算法 110
8.3 随机逼近法 112
8.4 对变量有等式约束的多变量函数极值进行搜索的迭代方法 112
8.5 变量有不等式约束时多变量函数寻优的迭代法 117
8.6 多变量函数的局部和全局最优点的随机搜索算法 118
8.7 使用二次优化泛函的二阶导数估计值的自适应算法 119
参考文献 122
9.1 问题的提出 126
第9章 神经网络的调整算法 126
第3篇 自适应神经网络 126
9.2 有二值及连续输出的神经元 127
9.3 两层网络 129
9.4 由连续输出神经元构成的多层网络 131
9.5 变量存在约束的闭环调整的神经网络的构造 132
9.6 有二值输出的网络的一次优化准则的实现 134
9.7 有连续输入和Kp种输出神经网络中平均风险最小化的实现 136
9.8 有N个输出通道的神经网络中平均风险最小化的实现 137
9.9 多层神经网络中平均风险最小化的实现 138
9.10 输入为非平稳样本时闭环神经网络的构造 140
9.11 带跨越或反馈连接的闭环调整的神经网络的构造 141
9.12 自学习与有任意技术等级教师的闭环神经网络 142
9.13 二次优化泛函的二阶导数的估计 143
参考文献 145
第10章 连续型神经网络的调整 146
10.1 有连续特征的网络的调整 146
10.2 层中神经元为连续时权值的调整 147
10.3 连续神经元层网络的学习过程中参数矩阵的选取 147
10.4 有连续特征并基于给定随机样本时参数K(i,j)的选择 149
10.5 连续两层网络调整算法的特点 151
10.6 连续神经元层权函数的3种实现方案及相应的学习过程 151
10.7 两层连续神经网络中使用二次优化泛函α2g的学习算法 153
10.8 有分段常数权函数的连续神经元层 154
10.9 带分段线性权函数的连续神经元层 156
10.10 带分段常数权函数的连续神经元层的网络 158
参考文献 159
11.1 初始条件的选择方法 160
第11章 调整神经网络时初值的选择及多层网络的典型输入信号 160
11.2 确定性选择初值的算法 161
11.3 多层神经网络中初始条件的选择 164
11.4 多层神经网络的典型输入信号 167
参考文献 168
第12章 闭环多层神经网络的研究 169
12.1 闭环调整的多层神经网络设计问题的提出 169
12.2 输入信号是多峰分布时神经元特性的研究 170
12.3 识别非平稳样本的神经网络的动态研究 176
12.4 学习状态下三层神经网络的动态研究 181
12.5 有反馈网络的一些特例的研究 184
12.6 自学习状态下单层神经网络的动态研究 188
12.7 自学习状态下的两层神经网络 194
12.8 闭环多层神经网络调整算法中一些有关参数矩阵选择的工程方法 202
12.9 用于解决矩阵变换问题的多层神经网络的构造 202
12.10 用于把二进制数转换为十进制数的多层神经网络 204
12.11 有任意教师等级的多层网络的研究 205
12.12 对闭环调整的神经网络进行研究的解析方法 206
参考文献 214
第13章 可变结构多层神经网络的设计 216
13.1 第1层神经元的顺序学习算法 216
13.2 使用随机法搜索局部及全局极值的多层神经网络中第1层神经元的学习算法 219
13.3 超平面数增多时有关算法收敛性的分析 222
13.4 两层神经网络中第2层神经元的学习 224
13.5 3层神经网络中第2层和第3层神经元的学习 230
13.6 对多层神经网络做依次调整的一般方法 231
13.8 用调整变结构多层神经网络的方法解决初始条件的选择问题 232
13.7 有连续特征的多层神经网络中第1层神经元的学习方法 232
13.9 变结构多层神经网络的自学习算法 233
参考文献 233
第14章 多层神经网络中有效特征的选择 235
14.1 学习状态下特征选择问题的提出 235
14.2 固定结构的多层神经网络中特征提取的结构方法 237
14.3 用于选择有效特征的第1层神经元顺次调整的多层神经网络 238
14.4 神经元数的最少化 240
参考文献 241
14.5 自学习状态下多层神经网络中有效特征的选取 241
第4篇 神经网络的可靠性及故障诊断 244
第15章 神经网络的可靠性 244
15.1 神经网络功能可靠性的研究方法 244
15.2 用多层神经网络形式实现组织自恢复时功能可靠性的研究 246
15.3 多层神经网络功能可靠性的研究 247
15.4 神经网络参数可靠性的研究 248
15.5 灾难性故障发生时多层神经网络功能可靠性的研究 256
参考文献 257
第16章 神经网络的故障诊断 260
16.1 神经网络的状态图、基本概念及定义 261
16.2 神经网络中故障定位的算法 262
16.3 神经元输出端有逻辑常数故障时构造最少测试点的算法 268
16.4 神经网络的自适应故障诊断方法 269
参考文献 274
结论 276
参考文献 279