第1章 绪论 1
1.1人脑与人的智能、人工神经网络与智能机器、人工智能与计算智能 1
1.2 ANN的主要模型与研究途径 6
1.3 ANN的学习 8
1.4 ANN的应用 11
1.5脉冲耦合神经网络和脑成像技术 14
1.6 ANN与盲信号处理 18
1.7本书的组织 19
参考文献 21
第2章 前向多层神经网络与递归神经网络 23
2.1概述 23
2.2线性函数MLP 28
2.3硬限幅函数MLP 29
2.4用Sigmoid函数和线性函数的MLP 31
2.5 BP算法的主要问题及其改进 35
2.6 RBF网络 41
2.7小波神经网络 44
2.8 MLFN的前端信号处理 48
2.9 MLFN的函数逼近能力 53
2.10 MLFN推广能力的统计学习理论 55
2.11提高MLFN推广能力的实用方法 60
2.12 MLFN作为后验概率估值器 68
2.13递归神经网络 69
2.14 MLFN应用举例之一——在非线性动力系统中的应用 80
2.15 MLFN应用举例之二——手写数字识别 90
2.16 MLFN应用举例之三——语音识别 95
参考文献 105
第3章 自组织神经网络——SOM和ART 113
3.1概述 113
3.2 SOM的结构和自组织学习算法 114
3.3 SOM自组织学习算法中的参数自适应 119
3.4学习向量量化——LVQ和LVQ2 126
3.5 SOM的应用举例 129
3.6 ART的基本原理和算法实现框架 137
3.7 ART的各种变型及其比较 140
3.8 ART应用举例——在化学工业中的应用 147
参考文献 149
第4章 Hopfield神经网络 153
4.1概述 153
4.2 HM及其在TSP中的应用 156
4.3采用约束平面及HC的EHM 166
4.4采用罚函数的EHM 183
4.5离散时间HNN与自联想记忆 201
4.6双向联想记忆及其他联想记忆神经网络 220
参考文献 228
第5章 模糊神经网络 234
5.1概述 234
5.2 FNN的结构和类型 235
5.3实现函数映射的FNN 239
5.4基于Fuzzy ART的FNN和Simpson网络 255
5.5实现聚类的FNN 264
5.6 FNN在非线性动力系统辨识与控制中的应用 272
5.7 FNN用于时间序列预测及其在金融和财务等领域中的应用 288
参考文献 297
第6章 遗传算法及其在人工神经网络中的应用 301
6.1概述 301
6.2基本的遗传算法 302
6.3模式定理 305
6.4遗传算法的收敛性能 307
6.5遗传算法面临的问题及改进算法 311
6.6遗传算法与人工神经网络的结合 318
参考文献 324
第7章 盲信号处理 327
7.1概述 327
7.2源信号pdf描述、等价可分性、二阶和高阶相关的去除 331
7.3 ICA的目标函数 334
7.4 ICA的学习算法 339
7.5 ICA解的稳定性 350
7.6用ICA实现源分离时解的精确度 355
7.7 ICA算法中信号源pdf的确定 358
7.8盲信号抽取 362
7.9盲解卷与盲均衡 365
7.10 DCA算法 369
7.11 IFA算法 378
7.12 ICA和IFA的实际应用和待解决问题 392
参考文献 394
缩略语 397