《递归人工神经网络的定性分析和综合》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:(美)A.N.米歇尔(Anthony N. Michel),刘德荣著;张化光等译
  • 出 版 社:北京:科学出版社
  • 出版年份:2004
  • ISBN:7030130170
  • 页数:298 页
图书介绍:本书对递归人工神经网络进行了定性的分析。首先介绍了几种神经网络模型,包括:模拟Hopfield神经网络;具有Sigmoid激活函数或饱和非线性激活函数的Hopfield同步离散神经网络;sign函数做为激活函数的离散Hopfield神经网络; Sigmoid函数具有无限增益的模拟Hopfield神经网络;Grossberg模型及工作于闭超立方体上的线性系统等;利用Lyapunov函数系统地分析了模拟Hopfield神经网络的全局稳定性及局部稳定性,给出网络全局稳定的精确条件及系统地确定所有平衡点位置及其稳定特性的算法;对于工作于闭超立方体上的线性系统,详细阐述了解的定义,并给出了饱和模式下解的概念;对于存在摄动的神经网络,确定该神经网络与相应的无摄动神经网络的工作点之间距离的估计;在延迟足够小的情况下,证明了Hopfield和Cohen-Grossberg神经网络与相应的无延迟网络具有同样的全局稳定特性;利用不同类型的人工递归神经网络,介绍了几种联想记忆综合方法,如外积法、投影学习规则和特征结构法等;研究了神经网络互连结构约束对联想记忆综合过程的影响,并将上述研究结果应用于一类特定的细

目录 1

译者的话 1

前言 1

第一章 绪论 1

1.1 本书的研究内容 2

1.2 一些神经网络模型 3

1.3 模拟Hopfield神经网络的定性分析:全局结果 5

1.4 工作于闭超立方体上的线性系统的稳定性分析 7

1.5 Hopfield神经网络的定性分析:局部结果 8

1.6 参数摄动的定性影响 10

1.7 时间延迟的定性影响 12

1.8 联想记忆的一些综合方法 14

1.9 互连约束的影响 16

参考文献 16

第二章 一些神经网络的模型 20

2.1 引言 20

2.2 模拟Hopfield神经网络模型 24

2.3 离散Hopfield神经网络模型 27

2.4 Hopfield模型的广义形式 29

2.5 具有无限增益放大器的模拟Hopfield神经网络 30

2.6 工作于闭超立方体上的线性系统 32

2.7 小结 36

2.8 附注 39

参考文献 39

3.1 广义模拟Hopfield神经网络模型:系统(L) 43

第三章 模拟Hopfield神经网络的定性分析:全局结果 43

3.2 符号说明及预备知识 44

3.3 广义Hopfield模型的假设 46

3.4 广义Hopfield模型的主要结果 49

3.5 带有无限增益放大器的模拟Hopfield神经网络模型:系统(N) 53

3.6 系统(N)的解的定义及其性质 54

3.7 系统(N)的平衡点及输出向量的定性特性 61

3.8 基于能量函数的系统(N)的定性分析 63

3.9 小结 69

3.10 附注 70

参考文献 71

第四章 工作于闭超立方体上的线性系统的稳定性分析:系统(M) 72

4.1 工作于闭超立方体上的线性连续系统(M) 72

4.3 系统(M)的解的定义及特性 73

4.2 符号说明 73

4.4 系统(M)的平衡点的定性特性 76

4.5 基于能量函数的系统(M)的定性分析 80

4.6  工作于闭超立方体上的线性离散系统 81

4.7 工作于闭超立方体上的线性连续系统的全局渐近稳定性 90

4.8 工作于闭超立方体上的线性离散系统的全局渐近稳定性 96

4.9 小结 100

4.10  附注 101

参考文献 102

第五章 Hopfield神经网络的定性分析:局部结果 104

5.1 符号说明 104

5.2 背景资料 105

5.3 被视为互连系统的模拟Hopfield模型 106

5.4 单个神经元子系统的稳定性分析 109

5.5 模拟Hopfield神经网络模型的定性分析:局部结果 112

5.6 同步离散Hopfield神经网络的分析 129

5.7 具有饱和非线性激活函数的模拟Hopfield神经网络的分析 136

5.8 小结 141

5.9 附注 143

参考文献 144

第六章 参数摄动的定性影响 146

6.1 引言 146

6.2 符号说明 147

6.3 鲁棒稳定性:具有固定平衡点的摄动系统 148

6.4 鲁棒稳定性:具有摄动平衡点的摄动系统 150

6.5 具有Sigmoid激活函数神经网络的分析 156

6.6 具有硬限幅器型激活函数神经网络的分析 162

6.7 小结 166

6.8 附注 168

参考文献 168

第七章 时间延迟的定性影响 170

7.1 引言 170

7.2 预备知识(Hopfield神经网络) 172

7.3 延迟Hopfield神经网络的全局稳定性 174

7.4 延迟Hopfield神经网络的局部稳定结果 179

7.5 Hopfield神经网络的一个例子 182

7.6 预备知识(Cohen-Grossberg神经网络) 183

7.7 多延迟Cohen-Grossberg神经网络的全局稳定性 185

7.8 多延迟Cohen-Grossberg神经网络局部稳定结果 191

7.9 具有任意有界延迟的非线性系统 194

7.10 具有固定有界延迟的非线性系统 198

7.11 具有非对称互连结构延时神经网络的稳定性分析 205

7.12 延时神经网络的鲁棒稳定性分析 210

7.13 示例 211

7.14 小结 213

7.15 附注 217

参考文献 218

第八章 联想记忆的一些综合方法 221

8.1 引言:外积法与投影学习规则 221

8.2 投影学习规则的一些扩展 225

8.3 特征结构法 228

8.4 特征结构法的一些扩展 233

8.5 基于感知器训练算法的递归神经网络的综合 236

8.6 基于感知器训练算法的一些扩展 245

8.7 示例 249

8.8 小结 263

8.9 附注 266

参考文献 267

第九章 互连约束的影响 269

9.1 引言 269

9.2 稀疏互连神经网络综合的特征结构法 270

9.3 稀疏互连神经网络综合的基于感知器的训练算法 275

9.4 实现联想记忆的细胞神经网络的综合 276

9.5 示例 283

9.6 小结 295

9.7 附注 296

参考文献 297