神經(jīng)網(wǎng)絡(luò)的應(yīng)用與實(shí)現(xiàn)

前言
第1章自適應(yīng)神經(jīng)網(wǎng)絡(luò)模式識(shí)別
1.1引言
1.1.1模式識(shí)別的基本概念
1.1.2模式識(shí)別方法概述
1.1.3模式識(shí)別專家系統(tǒng)
1.2神經(jīng)網(wǎng)絡(luò)分類器
1.3不變性模式識(shí)別的神經(jīng)網(wǎng)絡(luò)方法
1.3.1高階神經(jīng)網(wǎng)絡(luò)方法
1.3.2基于三階相關(guān)的高階神經(jīng)網(wǎng)絡(luò)模式識(shí)別
1.3.3基于不變矩神經(jīng)網(wǎng)絡(luò)的模式識(shí)別
1.4K-L變換
1.4.1統(tǒng)計(jì)最優(yōu)準(zhǔn)則
1.4.2子空間法的數(shù)學(xué)基礎(chǔ)
1.4.3K-L變換
1.4.4基于K-L變換的特征選擇
1.4.5基于K-L變換的分類特征提取
1.4.6K-L變換的數(shù)值計(jì)算
1.5主分量分析法
1.5.1主分量分析的基本思想
1.5.2主分量的定義與求法
1.5.3主分量的性質(zhì)
1.5.4主分量的計(jì)算方法
1.5.5因子分析
1.6基于神經(jīng)網(wǎng)絡(luò)的主分量分析
1.6.lOja算法
1.6.2Sanger算法
1.6.3自適應(yīng)主分量提取的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
1.6.4基于正交學(xué)習(xí)網(wǎng)絡(luò)的約束主分量分析
1.6.5面向主分量提取的無(wú)導(dǎo)師神經(jīng)網(wǎng)絡(luò)算法
1.6.6復(fù)數(shù)主分量分析的神經(jīng)網(wǎng)絡(luò)算法
1.7學(xué)習(xí)子空間方法
1.7.1自適應(yīng)學(xué)習(xí)的基本準(zhǔn)則
1.7.2學(xué)習(xí)予空間法的基本思想
1.7.3Kohonen學(xué)習(xí)子空間法
1.7.4基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)對(duì)偶子空間法
1.7.5廣義感知器網(wǎng)絡(luò)
參考文獻(xiàn)
第2章神經(jīng)網(wǎng)絡(luò)在信號(hào)處理與圖像處理中的應(yīng)用
2.1信號(hào)變換與分解
2.1.1DFT的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)
2.1.2信號(hào)分解問題的神經(jīng)網(wǎng)絡(luò)方法
2.2神經(jīng)網(wǎng)絡(luò)自適應(yīng)算法
2.2.l基本概念
2.2.2自適應(yīng)神經(jīng)網(wǎng)絡(luò)算法
2.2.3神經(jīng)網(wǎng)絡(luò)自適應(yīng)濾波器
2.3自適應(yīng)神經(jīng)網(wǎng)絡(luò)均衡與干擾對(duì)消
2.3.1多層前向神經(jīng)網(wǎng)絡(luò)均衡器
2.3.2基于Hopfjeld網(wǎng)絡(luò)的均衡器設(shè)計(jì)
2.3.3基于神經(jīng)網(wǎng)絡(luò)的干擾對(duì)消
2.4基于神經(jīng)網(wǎng)絡(luò)的信號(hào)檢測(cè)與估計(jì)
2.4.1LS準(zhǔn)則下的信號(hào)檢測(cè)與估計(jì)
2.4.2線性約束LS準(zhǔn)則下的信號(hào)檢測(cè)與估計(jì)
2.4.3用于方向估計(jì)的神經(jīng)網(wǎng)絡(luò)方法
2.5基于神經(jīng)網(wǎng)絡(luò)的圖像處理
2.5.1神經(jīng)網(wǎng)絡(luò)廣義變換編碼
2.5.2基于神經(jīng)網(wǎng)絡(luò)的矢量量化
2.5.3基于神經(jīng)網(wǎng)絡(luò)的降維矢量量化
2.5.4圖像恢復(fù)的神經(jīng)網(wǎng)絡(luò)方法
2.6細(xì)胞神經(jīng)網(wǎng)絡(luò)及其在圖像處理中的應(yīng)用
2.6.1連續(xù)時(shí)間細(xì)胞神經(jīng)網(wǎng)絡(luò)
2.6.2廣義細(xì)胞神經(jīng)網(wǎng)絡(luò)
2.6.3基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像處理
2.6.4基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)檢測(cè)
2.7子波神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用
2.7.1引言
2.7.2子波變換理論
2.7.3多分辨分析框架和快速子波算法
2.7.4子波包理論與快速算法
2.7.5神經(jīng)網(wǎng)絡(luò)自適應(yīng)子波
2.7.6緊支正交子波神經(jīng)網(wǎng)絡(luò)
2.7.7自適應(yīng)斜交子波神經(jīng)網(wǎng)絡(luò)
2.7.8子波神經(jīng)網(wǎng)絡(luò)的非線性逼近能力分析
參考文獻(xiàn)
第3章神經(jīng)控制理論與應(yīng)用
3.1神經(jīng)控制引論
3.1.1控制科學(xué)：成功與挑戰(zhàn)
3.1.2神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)的可能方式與結(jié)構(gòu)
3.2用于控制的神經(jīng)網(wǎng)絡(luò)
3.2.1靜態(tài)多層前向網(wǎng)絡(luò)
3.2.2動(dòng)態(tài)反饋網(wǎng)絡(luò)的控制語(yǔ)言描述
3.3神經(jīng)網(wǎng)絡(luò)智能控制
3.3.1智能控制的基本思想
3.3.2智能控制系統(tǒng)的分類
3.3.3智能化自適應(yīng)控制
3.3.4自適應(yīng)神經(jīng)網(wǎng)絡(luò)智能控制
3.3.5智能控制系統(tǒng)的學(xué)習(xí)方式
3.4基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
3.4.1神經(jīng)網(wǎng)絡(luò)辨識(shí)基礎(chǔ)
3.4.2神經(jīng)網(wǎng)絡(luò)辨識(shí)的基本方法
3.4.3非線性靜態(tài)系統(tǒng)辨識(shí)
3.4.4非線性動(dòng)態(tài)系統(tǒng)辨識(shí)
3.5神經(jīng)網(wǎng)絡(luò)模糊控制方法
3.5.1神經(jīng)網(wǎng)絡(luò)模糊控制的基本思想
3.5.2神經(jīng)模糊控制器
3.5.3神經(jīng)模糊控制規(guī)則
參考文獻(xiàn)
第4章神經(jīng)計(jì)算機(jī)：虛擬實(shí)現(xiàn)
4.1神經(jīng)計(jì)算機(jī)導(dǎo)論
4.1.1神經(jīng)計(jì)算機(jī)的信息處理方式
4.1.2神經(jīng)計(jì)算機(jī)的分類與實(shí)現(xiàn)
4.1.3設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)的幾個(gè)問題
4.2神經(jīng)計(jì)算機(jī)的體系結(jié)構(gòu)
4.2.1并行計(jì)算機(jī)
4.2.2神經(jīng)計(jì)算機(jī)的體系結(jié)構(gòu)
4.2.3通用與專用神經(jīng)計(jì)算機(jī)
4.3神經(jīng)軟件與發(fā)展環(huán)境
4.3.1神經(jīng)軟件
4.3.2神經(jīng)計(jì)算機(jī)的開發(fā)環(huán)境
4.3.3神經(jīng)軟件包簡(jiǎn)介
4.4神經(jīng)計(jì)算機(jī)的信息存貯方法與性能分析
4.4.1神經(jīng)網(wǎng)絡(luò)信息數(shù)組和鏈表存貯方法
4.4.2神經(jīng)網(wǎng)絡(luò)信息存貯的改進(jìn)方法
4.5神經(jīng)網(wǎng)絡(luò)協(xié)處理器
4.5.1ANZA協(xié)處理器
4.5.2Mark系列協(xié)處理器
4.5.3odyssey協(xié)處理器
4.6基于并行處理器陣列的神經(jīng)計(jì)算機(jī)
4.6.l幾種并行陣列神經(jīng)計(jì)算機(jī)
4.6.2并行處理機(jī)上的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)技術(shù)
4.7基于Transouter的神經(jīng)計(jì)算機(jī)
4.7.1Transputer和Occam語(yǔ)言
4.7.2基于Transputer的并行C語(yǔ)言
4.7.3通用并行神經(jīng)計(jì)算機(jī)：Gp2N2S2
4.7.4高級(jí)神經(jīng)網(wǎng)絡(luò)描述語(yǔ)言及編譯器
4.7.5GP2N2S2并行模擬控制器的設(shè)計(jì)與實(shí)現(xiàn)
4.7.6總控模塊的設(shè)計(jì)與實(shí)現(xiàn)
4.7.7系統(tǒng)集成環(huán)境的設(shè)計(jì)
4.7.8新算法的開發(fā)與實(shí)現(xiàn)
4.8神經(jīng)網(wǎng)絡(luò)多媒體技術(shù)
4.8.1神經(jīng)計(jì)算機(jī)應(yīng)用于多媒體系統(tǒng)的思想
4.8.2神經(jīng)網(wǎng)絡(luò)與多媒體技術(shù)實(shí)現(xiàn)
4.9新的信息處理技術(shù)計(jì)劃--真實(shí)世界計(jì)算計(jì)劃
4.9.1背景
4.9.2RWC基礎(chǔ)理論研究計(jì)劃
4.9.3RWC的大規(guī)模并行處理系統(tǒng)MPP
4.9.4RWC神經(jīng)元系統(tǒng)
4.9.5RWC應(yīng)用的新功能
4.9.6RWC的策略措拖
4.10渾沌智能信息處理
參考文獻(xiàn)
第5章神經(jīng)計(jì)算機(jī)：VLSI實(shí)現(xiàn)
5.1VLSI神經(jīng)計(jì)算機(jī)導(dǎo)論
5.1.1概述
5.1.2VLSI神經(jīng)計(jì)算機(jī)的性能指標(biāo)
5.2VLSI神經(jīng)計(jì)算機(jī)的基本單元
5.2.1神經(jīng)器件
5.2.2突觸連接權(quán)值的集成電路實(shí)現(xiàn)
5.2.3VLSI神經(jīng)計(jì)算機(jī)的有源積木塊
5.2.4模擬乘法器
5.3神經(jīng)計(jì)算機(jī)的數(shù)字VLSI實(shí)現(xiàn)
5.3.1基本積木塊
5.3.2HoPfield網(wǎng)絡(luò)的數(shù)字實(shí)現(xiàn)
5.3.3乘法D／A數(shù)字神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)
5.4神經(jīng)計(jì)算機(jī)的脈沖流VLSI實(shí)現(xiàn)
5.4.1集成脈沖流神經(jīng)網(wǎng)絡(luò)的基本單元
5.4.2脈沖流VLSI神經(jīng)網(wǎng)絡(luò)
5.5神經(jīng)計(jì)算機(jī)的SC實(shí)現(xiàn)
5.5.1SC神經(jīng)網(wǎng)絡(luò)的基本積木塊
5.5.2離散神經(jīng)網(wǎng)絡(luò)的SC實(shí)現(xiàn)
5.5.3開關(guān)電流神經(jīng)網(wǎng)絡(luò)
5.5.4非線性優(yōu)化SC神經(jīng)網(wǎng)絡(luò)
5.6神經(jīng)計(jì)算機(jī)的電流模式VLSI實(shí)現(xiàn)
5.6.1電流模式IC的基本積木塊
5.6.2MOSFET－C神經(jīng)網(wǎng)絡(luò)
5.6.3跨導(dǎo)一C神經(jīng)網(wǎng)絡(luò)
5.7可重構(gòu)VLSI神經(jīng)網(wǎng)絡(luò)
5.7.1可重構(gòu)性
5.7.2分布神經(jīng)元--突觸實(shí)現(xiàn)
參考文獻(xiàn)