第1章 神经网络概述 1
1.1神经网络的基本概念 1
1.1.1人脑与电子计算机的比较 2
1.1.2什么是神经网络 3
1.2神经网络发展的历史回顾 4
1.2.1神经网络研究的兴起 4
1.2.2神经网络研究的萧条与反思 6
1.2.3神经网络研究的复兴与再发展 8
1.2.4神经网络研究的热潮 9
1.2.5神经网络的新发展阶段 10
1.3神经网络的研究进展 12
1.4神经网络的基本特点、功能与应用 14
1.4.1神经网络的基本特点 14
1.4.2神经网络的基本功能 16
1.4.3神经网络的应用 17
本章小结 19
思考与练习 20
第2章 神经网络基础 21
2.1人脑神经系统概述 21
2.1.1人脑的基本结构 21
2.1.2人脑神经系统的各部分功能 23
2.2生物神经网络的基本概念 26
2.2.1生物神经元 26
2.2.2生物神经元的信息传递方式 28
2.3人工神经网络的基本概念 29
2.3.1人工神经元 29
2.3.2神经元的激活函数 30
2.4人工神经网络模型 32
2.4.1神经网络的网络结构 32
2.4.2典型的神经网络结构模型 34
2.5神经网络的学习 35
2.5.1神经网络学习规则分类 36
2.5.2几种常用的学习规则 37
2.5.3神经网络的泛化能力 41
本章小结 42
思考与练习 43
第3章 前馈神经网络 44
3.1基本概念 44
3.2感知器 45
3.2.1单层感知器 45
3.2.2多层感知器 48
3.3 BP神经网络 49
3.3.1误差反向传播算法 49
3.3.2误差反向传播算法的改进 53
3.3.3 BP神经网络的设计 57
3.4径向基函数神经网络 59
3.4.1径向基函数神经网络的结构 59
3.4.2径向基函数神经网络的学习算法 61
本章小结 63
思考与练习 63
第4章 递归神经网络 65
4.1递归神经网络的基本概念 65
4.2 Hopfield神经网络 66
4.2.1离散型Hopfield神经网络 66
4.2.2连续型Hopfield神经网络 69
4.3 Boltzmann机 72
4.3.1 Boltzmann机的基本概念 72
4.3.2 Boltzmann机网络结构 73
4.3.3 Boltzmann机学习算法 76
4.4储备池网络 77
4.4.1储备池网络结构模型 77
4.4.2储备池网络学习算法 82
本章小结 84
思考与练习 84
第5章 自组织竞争型神经网络 86
5.1自组织竞争型神经网络基本概念 86
5.1.1内星和外星学习规则 87
5.1.2竞争学习规则 87
5.2自适应共振理论神经网络 88
5.2.1 ARTI型神经网络的结构及工作原理 89
5.2.2 ARTI型神经网络的学习规则 91
5.3自组织特征映射神经网络 93
5.3.1自组织特征映射神经网络模型 93
5.3.2自组织特征映射神经网络运行原理 95
5.3.3自组织特征映射神经网络学习算法 95
5.4对向传播神经网络 97
5.4.1对向传播神经网络结构 97
5.4.2对向传播神经网络训练过程 97
5.5学习向量量化神经网络 98
5.5.1向量量化 99
5.5.2学习向量量化神经网络工作原理 99
本章小结 100
思考与练习 101
第6章 支持向量机 102
6.1支持向量机的基本概念 102
6.2线性支持向量机 103
6.2.1线性可分离问题的算法 103
6.2.2线性不可分离问题的算法 110
6.3非线性支持向量机 112
6.3.1非线性问题的算法 112
6.3.2核函数 114
本章小结 115
思考与练习 116
第7章 神经网络仿真实例 117
7.1仿真数据说明 117
7.2 BP神经网络仿真实例 121
7.3径向基函数神经网络仿真实例 123
7.4 Hopfield神经网络仿真实例 125
7.5 Boltzmann机仿真实例 126
7.6储备池网络仿真实例 127
7.7 ARTI型神经网络仿真实例 129
7.8自组织特征映射神经网络仿真实例 133
7.9对向传播神经网络仿真实例 134
7.10学习向量量化神经网络仿真实例 137
7.11支持向量机仿真实例 139
本章小结 141
思考与练习 142
附录 143
参考文献 145