绪论 1
0．1 研究背景 1
0．2 逻辑推理研究及存在问题 4
0．3 神经推理与传统推理的区别 7
0．4 脉冲神经网络的时间表示和时间计算 12
0．5 本书内容概述 15
第一篇 神经网络的逻辑分析理论 20
第1章 二值神经网络的逻辑分析 20
1．1 引言 20
1．2 判决理论 23
1．3 一致和矛盾的基本定义 26
1．4 单个推理的动态行为 28
1．5 矛盾的测度和性质 30
1．6 计算机模拟 34
1．7 讨论 36
第2章 二值神经网络稳定性的定性分析 38
2．1 引言 38
2．2 稳定性的逻辑分析 38
2．3 全约束规则的稳定性分析 44
2．4 半约束规则的稳定性分析 47
2．5 计算机模拟 49
2．6 讨论 51
3．1 引言 54
第3章 连续状态神经网络的逻辑分析 54
3．2 连续状态神经网的判决原理 55
3．3 一致和矛盾 60
3．4 连续状态神经网的逻辑行为 65
3．5 模拟实验 69
3．6 讨论 75
第4章 约束满足神经网络 76
4．1 引言 76
4．2 约束满足神经网 77
4．3 应用举例：一个典型的CSP问题 83
4．4 约束满足神经网的控制系统 85
4．5 计算机模拟 87
4．6 讨论 89
第二篇 神经推理在智能问题中的应用 91
第5章 基于神经原理的区域分割神经推理系统 91
5．1 引言 91
5．2 神经原理的规则表示与结构 92
5．3 区域分割神经推理系统 95
5．4 系统的基本原理和系统方程 98
5．5 计算机模拟 102
5．6 讨论 107
第6章 关联性神经推理研究 108
6．1 引言 108
6．2 关联性神经推理 109
6．3 模式选择 113
6．4 模式分类 116
6．5 模拟实验 118
6．6 讨论 121
第7章 运动判决的关联性神经推理系统 123
7．1 引言 123
7．2 运动判决的神经推理系统 125
7．3 逻辑表示和关联推理规则 128
7．4 关联神经推理结构 131
7．5 运动判决推理系统结构和工作原理 134
7．6 模拟实验 140
7．7 讨论 144
第8章 传递性关系整合的神经推理系统 147
8．1 引言 147
8．2 传递性分析和关系传递规则 148
8．3 传递性关系整合的神经推理原理 152
8．4 关系整合及模拟实验 158
8．5 讨论 160
第三篇 神经网络的时间表示理论 162
第9章 脉冲神经网络的时间计算 162
9．1 引言 162
9．2 WCM的识别原理 163
9．3 用于WCM的脉冲神经元 165
9．4 WCM的实施 167
9．5 模式的识别 173
9．6 讨论 176
9．7 附录：方程(9.20)的证明 176
第10章 视觉曲线增强：随机时分组织自适应神经自激群 178
10．1 引言 178
10．2 自适应自激群 180
10．3 曲线随机搜索TDS 186
10．4 随机点火脉冲元RFN 187
10．5 随机选择单元RSE 189
10．6 连续曲线搜索的方案 194
10．7 搜索的时间控制和系统组成原理 197
10．8 TDS的时分系统 204
10．9 时间滤波TF 207
10．10 曲线自激积累 209
10．11 计算机模拟 210
10．12 讨论 214
第11章 视觉曲线增强：独立边界自增强算法 216
11．1 引言 216
11．2 轨迹自增强累积的原理 218
11．3 轨迹自增强的累积算法 223
11．4 实验结果 238
11．5 总结和讨论 240
参考文献 242