Chapter 1 类神经网路简述 1
1.1什么是类神经网路 2
1.1.1生物神经网路 2
1.1.2类神经网路 3
1.2为什么使用类神经网路 4
1.3类神经网路的特性 6
1.4适合使用类神经网路解决的问题 8
1.5类神经网路的发展史 13
1.6类神经网路的现况 15
本章重点回顾 19
本章习题 20
Chapter 2 生物神经网路与类神经网路 21
2.1生物神经系统与生物神经元 22
2.2膜电位与通道 26
2.3动作电位与生物学习能力 31
2.3.1动作电位 31
2.3.2生物学习能力 34
2.4类神经网路的处理单元——人工神经元 35
2.5类神经网路系统架构 39
2.6类神经网路的学习方式 43
本章重点回顾 46
本章习题 47
Chapter 3 学习演算法 49
3.1绪论 50
3.2赫宾学习法 51
3.3最小均方演算法 55
3.4感知器学习法 62
3.5 Delta学习法 75
3.6 Correlation学习法 78
3.7赢者全拿学习法 79
3.8 Grossberg学习法 81
3.9交叉验证 83
3.10评估指标 85
3.11结论 86
本章重点回顾 88
本章习题 89
Chapter 4 倒传递类神经网路 93
4.1绪论 94
4.2多层感知器网路架构 95
4.3倒传递类神经网路的学习演算法 98
4.3.1误差倒传递演算法 98
4.3.2增快学习效率的倒传递类神经网路 104
4.4倒传递类神经网路的实用层面与探索 107
4.4.1网路架构设定条件与限制 107
4.4.2参数设定限制 110
4.5应用实例 112
4.6其他应用 133
4.6.1股价预测 133
4.6.2信用评等分类 134
4.6.3设备诊断 135
4.6.4声纳影像分类 136
4.6.5智慧型机器人 137
4.6.6精密放电加工效能预测 137
4.7结论 138
本章重点回顾 140
本章习题 141
Chapter 5 辐状基底函数类神经网路 145
5.1绪论 146
5.2辐状基底函数类神经网路的架构 147
5.3辐状基底函数中心点选取法 151
5.3.1随机选取法 152
5.3.2垂直最小平方法 152
5.4辐状基底函数类神经网路的学习演算法 161
5.4.1利用最小平方法求权重向量 162
5.4.2序率坡降法 163
5.5应用实例 167
5.6其他应用 186
5.6.1电力系统故障分析 186
5.6.2股价预测 186
5.6.3病原体筛选 187
5.6.4晶圆瑕疵检测分析 188
本章重点回顾 189
本章习题 190
Chapter 6 自组性类神经网路 193
6.1绪论 194
6.2生物大脑皮质的特征映射概念 195
6.3自组特征映射网路的架构及其演算法 197
6.3.1自组特征映射网路之架构 197
6.3.2自组特征映射网路之演算法 199
6.3.3自组特征映射网路之参数设定 203
6.4学习向量量化 207
6.5自组特征映射网路与学习向量量化的结合模式 210
6.6应用实例 212
6.7自组特征映射网路的其他应用 220
6.7.1手写数字辨识系统 220
6.7.2预测电力负载 220
6.7.3医疗影像校准 222
6.7.4推估蒸发量 222
6.7.5鉴定植物油 223
本章重点回顾 225
本章习题 226
Chapter 7 聚类演算法 231
7.1绪论 232
7.2阶层式聚类法 233
7.3 K-Means聚类法 240
7.4 Fuzzy C-Means聚类法 245
7.5减法聚类法 250
本章重点回顾 254
本章习题 255
Chapter 8 回馈式类神经网路 257
8.1绪论 258
8.2人类的记忆系统 259
8.3时间稽延类神经网路 262
8.4回馈式类神经网路 265
8.5回馈式类神经网路的架构 269
8.6即时回馈学习演算法 278
8.7应用实例 281
8.8其他应用 288
8.8.1儿童语言学习机制 288
8.8.2糖尿病患血糖浓度预测 289
本章重点回顾 290
本章习题 291
Chapter 9 模糊集合与模糊逻辑系统 293
9.1绪论 294
9.2模糊集合 295
9.2.1传统集合与模糊集合的定义 295
9.2.2模糊集合基本运算子 298
9.3模糊关联性 300
9.4模糊推论系统 303
9.4.1模糊化 304
9.4.2模糊规则库 304
9.4.3推论引擎 309
9.4.4隶属函数资料库 311
9.4.5解模糊化 313
本章重点回顾 320
本章习题 321
Chapter 10 反传递模糊类神经网路 325
10.1绪论 326
10.2反传递类神经网路的架构 327
10.3反传递类神经网路的学习演算法 329
10.4反传递模糊类神经网路 333
10.5修正型反传递模糊类神经网路模式 335
10.6应用实例 340
10.7其他应用 349
10.7.1预测问题之解决 349
10.7.2生态系统之经营管理 350
10.7.3智慧型抽水站操作系统 351
本章重点回顾 352
本章习题 353
Chapter 11 调适性网路模糊推论系统 355
11.1绪论 356
11.2调适性网路模糊推论系统的架构 357
11.3调适性网路模糊推论系统的学习演算法 361
11.3.1误差倒传递学习演算法 361
11.3.2复合型学习演算法 364
11.4应用实例 367
本章重点回顾 379
本章习题 380
Chapter 12 最佳化搜寻法 383
12.1绪论 384
12.2无限制式之最佳化问题 384
12.3梯度坡降法 387
12.3.1最陡坡降法 389
12.4牛顿法 394
12.4.1 Levenberg-Marquardt修正模式 397
12.5共轭梯度法 398
12.5.1共轭方向演算法 399
12.5.2共轭梯度演算法 402
12.6拟牛顿法 406
12.7遗传演算法 407
12.7.1编码法与评估 408
12.7.2选取策略与遗传运算元 409
12.7.3遗传演算法演算步骤 411
本章重点回顾 414
本章习题 416
附录 MATLAB应用 417
A.1类神经网路工具箱简介 418
A.2倒传递类神经网路建构函数 420
A.2.1活化函数类型 421
A.2.2训练函数演算法设定 426
A.2.3训练函数之效能比较 432
A.3辐状基底类神经网路建构函数 433
A.4 SOM与LVQ网路建构函数 433
A.4.1 SOM 433
A.4.2 LVQ 434
A.5动态类神经网路建构函数 435
A.6其他类神经网路 436
A.7资料前处理与后处理函数 437
A.7.1最小与最大资料前处理 437
A.7.2平均值与标准差前处理 438
A.7.3网路训练后处理 438
A.8评估指标简介 438
参考文献 441
索引 463
中文索引 463
英文索引 471