第一章 绪论 1
1.1 引言 1
1.2 从人脑神经元到人工神经元 4
1.3 人工神经网络研究的发展简史 7
1.4 人工神经网络构成的基本原理 10
1.5 人工神经网络的基本功能 20
1.6 人工神经网络的研究内容及其前景 23
参考文献 25
2.1 概述 26
第二章 前向多层人工神经网络 26
2.2 采用硬限幅函数时单个神经元的分类功能 31
2.3 采用线性函数时单个神经元的最小二乘(LMS)分类学习算法 36
2.4 采用硬限幅函数的前向多层神经网络和采用线性函数的前向多层神经网络 46
2.5 采用S形函数的前向多层神经网络及其逆推学习算法 54
2.6 按照逆推学习算法进行训练时的模拟试验实例 63
2.7 前向多层神经网络的实际应用 70
2.8 结束语 89
参考文献 89
3.1 概述 91
第三章 Hopfield人工神经网络 91
3.2 Hopfield 人工神经网络电路模型及其能量函数 92
3.3 Hopfield人工神经网络用于求解TSP 98
3.4 对Hopfield求解TSP工作的评价 106
3.5 Tank 与Hopfield人工神经网络A/D变换器 110
3.6 Hopfield 人工神经网络用于求解线性规划问题 115
3.7 Hopfield人工神经网络用于求解货流问题 119
3.8 Hopfield 人工神经网络用于联想记忆 125
3.9 稳定性与吸引子 129
3.10 异联想记忆(双向联想记忆) 141
3.11 用高阶关联神经元函数构成的Hopfield网络 146
3.12 结束语 150
参考文献 151
第四章 按照自适应谐振理论(ART)构成的自组织神经网络 153
4.1 概述 153
4.2 竞争学习机制和自稳学习机制 155
4.3 ART-1 神经网络 162
4.4 ART-2神经网络 168
4.5 ART神经网络的识别、补充和撤销功能及其在图形识别、语音识别及语音生成中的应用 184
4.6 ART-3神经网络 206
4.7 结束语 222
参考文献 223
第五章 自组织特征映射与联想记忆 225
5.1 概述 225
5.2 单神经元的自组织特征映射学习算法 239
5.3 具有确定“侧反馈”特性时多神经元阵列的自组织特征映射 249
5.4 自组织学习能够产生有序特征映射的证明 266
5.5 自组织特征映射人工神经网络与模式识别和矢量量化(VQ)的联系 277
5.6 应用举例--神经网络语音打字机 280
5.7 结束语 286
参考文献 287
第六章 波尔兹曼机(BM) 289
6.1 概述 289
6.2 波尔兹曼机的基本原理：搜索机制及模拟退火的应用 292
6.3 BM神经网络的学习算法 299
6.4 波尔兹曼机的模拟实验研究 310
6.5 部分损伤对BM神经网络的影响及再学习 319
6.6 BM神经网络应用举例--在语音识别中的应用 326
6.7 结束语 334
参考文献 335
7.1 概述 336
第七章 用统计方法研究Hopfield神经网络的记忆容量 336
7.2 Hopfield神经网络的一些基本定义和算法 337
7.3 容量计算的准备定理 340
7.4 Hopfield神经网络在同步情况下的运行错误概率 344
7.5 Hopfield神经网络在同步运行情况下的容量 348
7.6 Hopfield神经网络在非同步运行情况下的容量 353
7.7 结束语 358
参考文献 359
8.1 概述 361
第八章 人工神经网络的实现 361
8.2 模拟VLSI人工神经网络电路 364
8.3 利用数字系统实现人工神经网络的一般方法 375
8.4 利用Transputer实现人工神经网络 378
8.5 利用Systalic阵列实现人工神经网络 383
8.6 利用光学器件实现人工神经网络 389
8.7 结束语 393
参考文献 396
索引 399