1．目的 1
1.1 为什么协同计算机是一个新的计算机概念？ 1
1.2 什么是协同学？——作为模式形成的模式识别 2
1.3 认知过程和协同计算机 3
第Ⅰ部分 协同计算机 8
2．什么是模式 8
3．联想记忆 16
4．协同学概述 18
4.1 一些典型的例子 18
4.2 协同学的基本概念和数学工具的回顾 21
5．用于模式识别的协同学标准模型 30
5.1 原型模式向量和试验模式向量 30
5.2 构造动力学过程 32
5.3 V（？k）的重要特性 35
5.3.1 结论提要 35
5.3.2 V的最深最小值在哪里？ 35
5.3.3 V的静态稳定点在哪里？ 37
5.3.4 如何达到稳定不动点和鞍点？ 39
6．一些例子：相貌和城市地图的识别 41
7．网络的可能实现 46
8.1 基于傅立叶变换和对数映射的方法 49
8．关于平移、旋转和变比例同时发生时的不变性 49
8.2 数值计算 52
8.3 不变性问题的第二种方法 55
8.4 模式的一般变换 61
9．复杂图像的识别——图像选择注意 66
10．学习算法 69
10.1 概述 69
10.2 突触强度的学习 69
10.2.1 确定伴随向量v？的迭代方法 69
10.2.2 一个特殊情况 72
10.2.3 用一个三层（两层）网络的实现过程 72
10.3 信息和信息增益 75
10.4 再看协同计算机的基本构造原理 78
10.5 根据信息增益的学习 80
10.6 基于梯度动力学的学习算法 86
10.6.1 构造李雅普诺夫函数 87
10.6.2 投影到qj空间 89
10.7 小结 97
11．过程的学习和联想作用 99
11.1 Fokker-Planck方程的推导 99
11.2 ？to-Langevin方程的推导 103
11.3 谨慎处理约化信息 104
12.1 引言 108
第Ⅱ部分 认知和协同计算机 108
12．人的感知和机器“感知”的比较 108
12.2 旋转不变性、自适应和同化、格式塔、景象分解 110
12.2.1 旋转不变性 110
12.2.2 自适应与同化、格式塔 110
12.2.3 景象分解 111
12.3 低通滤波和高通滤波人像的识别 112
13．二义模式感知过程的振荡 122
13.1 引言 122
13.2 二义模式所具有的性质 125
13.3 无偏向二义模式的感知 127
13.4 有偏情况下感知的振荡 128
13.5 具有多于两种解释的模糊模式 133
13.6 滞后效应 135
13.7 注意参数涨落的作用 137
13.7.1 模型 139
13.7.2 结果 139
13.7.3 讨论 141
14．生物协调运动的动态模式识别 142
14.1 引言生物运动结构的感知 142
14.2 模式的产生和模式识别试验 142
14.3 行为模式识别算法 145
14.4 应用和结果 146
14.5 仅由特定光点表征运动模式的识别 147
14.6 在一个不垂直于观察者视线平面上运动模式的识别 153
第Ⅲ部分 逻辑运算和展望 158
15．协同计算机对XOR逻辑运算的实现 158
15.1 引言 158
15.2 XOR问题的解 158
15.3 和流动不稳定性的对比 160
15.4 学习 160
16．走向神经水平 161
16.1 神经元激活和模态锁定 161
16.3 神经元的振荡器模型：旋转波近似和慢变幅值近似 162
16.2 主要结论的总结 162
16.4 一种可以作为联想记忆装置的振荡器网络 163
16.5 两个振荡器的频率锁定 169
16.6 若干个振荡器的频率锁定 171
17．结束语和展望 173
17.1 模式识别就是模式形成 173
17.2 吸引子状态及其之外的状态 173
17.3 留给未来的一些问题 174
文献目录和注释 176
关键词索引 186