概论 1
第一节 计算机和人脑 1
第二节 神经网络的历史 3
第三节 受到世界瞩目的模糊理论与技术 13
第四节 模糊神经网络发展背景与内容 15
第五节 研究模糊神经网络的意义 20
第一部分 基本神经网络模型 30
第一章 人工神经网络基础 30
第一节 生理神经元 30
第二节 人工神经元 31
第三节 人工神经网络 35
第四节 人工神经网络训练 40
第二章 感知机 45
第一节 感知机与早期的人工神经网络 45
第二节 感知机的表达能力 46
第三节 感知机的学习 55
第三章 反向传播 62
第一节 反向传播训练算法 63
第二节 改进算法 70
第三节 应用 71
第四节 几点说明 72
第四章 Hopfield 网络 80
第一节 离散的 Hopfield 网络 82
第二节 非线性连续的 Hopfield 网络 86
第三节 统计 Hopfield 网络 88
第四节 Hopfieid 网络的应用 89
第五节 几点说明 94
第五章 自适应共振理论(ART) 99
第一节 ART 结构 100
第二节 ART 实现 107
第三节 一个 ART 训练例子 111
第四节 ART 的特征和说明 113
第六章 对抗传播网络 120
第一节 网络结构 121
第二节 常规运算 122
第三节 训练 Kohonen 层 123
第四节 训练 Grossberg 层 128
第五节 全对抗传播网络 129
第七章 认知机和新认知机 131
第一节 认知机 131
第二节 新认知机(Neocognitron) 141
第八章 双向联想记忆 152
第一节 BAM的结构 152
第二节 提取被存储的记忆 154
第三节 联想关系编码 158
第四节 记忆容量 161
第五节 Cohen-Grossberg 模型 163
第六节 连续的 BAM 164
第七节 自适应 BAM(ABAM) 165
第八节 高阶ABAM 166
第九节 随机自适应双向联想记忆(RABAM) 167
第十节 RABAM 退火 169
第二部分 模糊神经网络 174
第九章 模糊理论简介 174
第一节 集值统计、模糊统计与落影 174
第二节 因素空间 178
第三节 模糊控制 183
第四节 真值流推理 187
第十章 模糊神经网络的基本内容 192
第一节 模糊神经元和模糊神经网络 192
第二节 模糊神经网络的分类 199
第三节 几种常用的 FN 及 FNN 201
第四节 模糊神经网络的研究方向 206
第五节 正确评价模糊神经网络的地位和作用 207
第十一章 模糊联想记忆 211
第一节 模糊集的几何解释 211
第二节 模糊系统 212
第三节 FAM 与映射 212
第四节 模糊 Hebb FAM 213
第五节 自适应 FAM 222
第十二章 模糊认知图 233
第一节 模糊认知图的概念 233
第二节 模糊认知图的合成 236
第三节 自适应因果推理 239
第十三章 神经逻辑网络 241
第一节 推理网络 241
第二节 神经逻辑网络模型 243
第三节 神经三值逻辑网络 244
第四节 神经逻辑网络的“模糊”处理 262
第十四章 神经网络驱动性模糊推理 266
第一节 神经网络驱动性模糊推理模型 267
第二节 进一步的解释 273
第三节 具体应用例子 276
第十五章 模糊神经控制模型L1和L2 285
第一节 模糊神经元 285
第二节 L1和L2的结构 286
第三节 对模型L1和L2的解释 289
第四节 硬件实现策略 294
第十六章 神经专家处理器 297
第一节 隶属函数发生器 297
第二节 神经专家处理器的结构 299
第三节 自调节神经专家处理器 302
第四节 硬件实现 303
第五节 几点说明 303
第十七章 真值流推理网络 307
第一节 真值流推理网络的结构 307
第二节 TVFIN在模糊控制中的应用 310
附录A 学习算法 320
第一节 监督与非监督学习 320
第二节 Hebb 学习 321
第三节 星入和星出 324
第四节 感知机训练 327
第五节 Widrow—Hoff 训练 328
第六节 统计训练算法 328
第七节 自组织 330
附录B 思考题 334