第1章 绪论 1
1.1 智能系统的特征 1
1.2 神经元网络 5
1.3 模糊逻辑和模糊推理网络 9
1.4 模糊神经元网络 15
1.5 神经元网络的学习 20
1.6 神经元网络的进化 23
1.7 智能系统 27
1.8 本书主要内容 32
第2章 模糊神经元网络 34
2.1 模糊神经元定义及其保序性 36
2.2 对模糊神经元定义的改进 39
2.3 模糊算子神经元网络的图灵等价性 42
2.4 单体模糊神经元网络模型 49
2.5 单体模糊神经元网络感知机收敛定理 51
2.6 单体模糊感知机的映射能力 55
2.7 单体模糊神经元网络的函数逼近能力 56
2.8 模糊算子神经元网络的函数逼近能力 60
2.9 混合FNN的若干问题探讨 64
第3章 几种特殊的多层神经元网络 66
3.1 多输入单输出神经元网络的映射机理 68
3.2 一种超线性收敛学习算法 76
3.3 一种简单共轭梯度学习算法 82
3.4 梯度—牛顿耦合下降算法 85
3.5 BP学习算法动力学分析 91
3.6 算法实验结果及分析 100
3.7 有理式前向神经元网络 105
第4章 过程神经元网络 112
4.1 过程神经元模型 113
4.2 过程神经元网络模型 114
4.3 基本定理 120
4.4 学习算法 130
4.5 应用实例 133
第5章 进化神经元网络 138
5.1 标准遗传算法及其存在的若干问题 139
5.2 改进适应度函数的遗传算法 140
5.3 基于梯度下降的遗传算法与神经元网络学习 143
5.4 算例结果及分析 146
第6章 智能计算应用实例 149
6.1 中文网页分类系统概述 150
6.2 网页文本特征压缩方法 156
6.3 分级聚类与平面划分结合方法 166
6.4 Naive Bayes方法分类器设计 169
6.5 基于先验知识的线性分类器设计 175
6.6 基于SOM-LVQ的分类器设计 180
6.7 基于SVM的多分类器设计 184
参考文献 191