神經(jīng)網(wǎng)絡及其應用

序
前言
專題1 神經(jīng)網(wǎng)絡的學習方法
1 引言
2 基于搜索機制的神經(jīng)網(wǎng)絡學習算法
2.1 前向神經(jīng)網(wǎng)絡的BP算法
2.2 BP算法的各種改進
3 神經(jīng)網(wǎng)絡的規(guī)劃學習方法
3.1 引言
3.2 神經(jīng)網(wǎng)絡的規(guī)劃學習算法
3.3 支持向量機的學習方法
3.4 當樣本集K不是線性可分的情況
4 神經(jīng)網(wǎng)絡的構(gòu)造性學習方法
4.1 前向網(wǎng)絡的FP算法
4.2 構(gòu)造性學習方法--覆蓋算法
4.3 覆蓋算法的應用
4.4 覆蓋算法的改進和擴展
5 覆蓋算法與SVM中核函數(shù)法的關(guān)系
5.1 SVM中的核函數(shù)法
5.2 覆蓋算法與核函數(shù)法的關(guān)系
5.3 函數(shù)覆蓋算法的泛化能力
6 結(jié)束語
參考文獻
專題2 過程神經(jīng)元網(wǎng)絡的理論和應用
1 引言
2 過程神經(jīng)元模型
2.1 生物神經(jīng)元的啟示
2.2 過程神經(jīng)元模型的定義
2.3 過程神經(jīng)元與泛函
2.4 過程神經(jīng)元與復合函數(shù)
3 過程神經(jīng)元網(wǎng)絡模型
3.1 前饋過程神經(jīng)元網(wǎng)絡模型
3.2 關(guān)于前饋過程神經(jīng)網(wǎng)絡的基本定理
3.3 學習算法
3.4 雙隱層過程神經(jīng)元網(wǎng)絡模型
3.5 離散過程神經(jīng)元網(wǎng)絡模型
4 反饋過程神經(jīng)元網(wǎng)絡模型
4.1 網(wǎng)絡拓撲結(jié)構(gòu)
4.2 學習算法
4.3 算法描述
4.4 仿真實驗
5 輸入輸出均為時變函數(shù)的過程神經(jīng)網(wǎng)絡模型
5.1 網(wǎng)絡拓撲結(jié)構(gòu)
5.2 網(wǎng)絡各層之間的輸入輸出關(guān)系
5.3 學習算法
6 結(jié)束語
參考文獻
專題3 神經(jīng)計算和優(yōu)化計算
1 引言
2 凸優(yōu)化理論
3 Hopfield網(wǎng)絡穩(wěn)定性分析
3.1 動力系統(tǒng)簡介
3.2 連續(xù)時間Hopfield模型
3.3 離散時間Hopfield網(wǎng)絡模型的穩(wěn)定性
4 非線性梯度下降算法
4.1 理論基礎
4.2 算法設計和分析
4.3 結(jié)論
5 支持向量機對偶規(guī)劃的優(yōu)化理論和算法設計及分析
5.1 介紹
5.2 基于一般懲罰代價函數(shù)的SVM及對偶規(guī)劃
5.3 對偶規(guī)劃最優(yōu)性方程組
5.4 建立支持向量機最優(yōu)性方程組
5.5 基于罰函數(shù)方法的SVM優(yōu)化算法設計與分析
6 結(jié)束語
參考文獻
專題4 知識理論與神經(jīng)網(wǎng)絡
1 引言
2 知識概念
2.1 基本概念
2.2 知識的分類
2.3 知識的表示
3 知識度量
4 知識生成
4.1 歸納型知識生成
4.2 演繹型知識生成
5 知識激活
6 神經(jīng)網(wǎng)絡與知識理論
6.1 神經(jīng)網(wǎng)絡與知識生成
6.2 神經(jīng)網(wǎng)絡與知識演繹
6.3 神經(jīng)網(wǎng)絡與知識激活
7 結(jié)束語
參考文獻
專題5 人工免疫系統(tǒng)中的克隆選擇算法
1 引言
2 人工免疫系統(tǒng)進展
2.1 人工免疫系統(tǒng)的歷史
2.2 人工免疫系統(tǒng)的研究領(lǐng)域
2.3 人工免疫系統(tǒng)與其他方法的比較
3 克隆選擇學說與克隆選擇算子
3.1 克隆選擇
3.2 克隆算子
4 簡單的克隆選擇算法及其性能分析
4.1 簡單的克隆選擇算法SCSA
4.2 簡單克隆選擇算法的收斂性
4.3 多克隆算子與單克隆算子的比較
4.4 克隆選擇算法與進化算法
5 改進的克隆選擇算法
5.1 自適應多克隆規(guī)劃算法APPA
5.2 自適應動態(tài)克隆算法ADCSA
5.3 免疫優(yōu)勢克隆算法IDCA
6 結(jié)論
7 展望
7.1 人工免疫系統(tǒng)存在的問題
7.2 人工免疫系統(tǒng)進一步研究的方向
7.3 基于人工免疫系統(tǒng)的綜合集成
參考文獻
專題6 流形學習
1 引言
1.1 流形學習的研究背景
1.2 流形學習的研究意義
2 流形學習綜述
2.1 流形學習的定義
2.2 流形學習的方法
3 流形學習的應用
3.1 可視化
3.2 插值
3.3 分類
3.4 圖像處理
3.5 數(shù)據(jù)可聽化
3.6 其他
4 流形學習若干問題的研究
4.1 流形概念
4.2 流形學習中的算法研究
4.3 其他問題研究
5 結(jié)束語
參考文獻
專題7 模糊蘊涵算子及其構(gòu)造
1 引言
2 模糊蘊涵算子及其性質(zhì)
3 模糊蘊涵算子的伴隨對
4 模糊蘊涵算子的圈乘算子
5 三角模、余三角模的定義和性質(zhì)
6 由三角模構(gòu)造的模糊蘊涵算子
6.1 由力迫蘊涵算子、不可分辨蘊涵算子EGodel構(gòu)造的模糊蘊涵算子
6.2 一類由三角模生成的蘊涵算子和傳播算子
7 一類由余三角模生成的蘊涵算子和合成算子
8 模糊蘊涵算子θ122～θ147的圈乘算子
9 模糊蘊涵算子的對偶算子
10 結(jié)束語
參考文獻
專題8 隨機二元網(wǎng)絡的理論與應用
1 引言
2 時間域數(shù)據(jù)表示和隨機神經(jīng)元
2.1 時間域數(shù)據(jù)表示
2.2 隨機神經(jīng)元
3 前饋型隨機二元網(wǎng)絡
3.1 梯度下降學習
3.2 VC維和學習樣本數(shù)分析
4 反饋型隨機二元網(wǎng)絡
4.1 定義
4.2 平穩(wěn)分布
4.3 模擬退火
4.4 RSBN與馬爾可夫隨機場
4.5 RSBN與Boltzmann機
4.6 RSBN的學習算法
5 量子二元網(wǎng)絡
5.1 量子聯(lián)想記憶的實現(xiàn)
5.2 量子糾纏的實現(xiàn)
6 隨機二元網(wǎng)絡硬件設計
6.1 完全隨機序列的產(chǎn)生
6.2 通用隨機序列產(chǎn)生器
6.3 隨機神經(jīng)元的構(gòu)造
6.4 在線學習的硬件實現(xiàn)
7 隨機二元網(wǎng)絡應用
7.1 組合優(yōu)化--圖對分問題
7.2 模式識別
8 討論
參考文獻
專題9 離散聯(lián)想記憶神經(jīng)網(wǎng)絡研究進展
1 引言
1.1 聯(lián)想記憶的定義和分類
1.2 聯(lián)想記憶的研究重點及其設計目標
2 聯(lián)想記憶研究進展
2.1 Hopfield聯(lián)想記憶
2.2 雙向聯(lián)想記憶(BAM)
2.3 其他聯(lián)想模式
3 應用
3.1 多證據(jù)推理
3.2 圖像壓縮
4 結(jié)束語
參考文獻
專題10 神經(jīng)網(wǎng)絡規(guī)則抽取
1 引言
2 起源和發(fā)展
3 規(guī)則和評價
3.1 規(guī)則類型
3.2 評價體系
4 算法分類
4.1 ADT分類學
4.2 分解型算法
4.3 教學型算法
4.4 折中型算法
4.5 復合型算法
5 討論
5.1 規(guī)則抽取與連接主義
5.2 "用神經(jīng)網(wǎng)絡抽取規(guī)則"和"為神經(jīng)網(wǎng)絡抽取規(guī)則"
6 結(jié)束語
參考文獻
專題11 神經(jīng)網(wǎng)絡在醫(yī)學數(shù)據(jù)處理中的應用
1 引言
2 醫(yī)學數(shù)據(jù)處理中的神經(jīng)網(wǎng)絡
2.1 單個的神經(jīng)網(wǎng)絡及其與其他方法的組合
2.2 神經(jīng)網(wǎng)絡集成
2.3 支持向量機
3 醫(yī)學數(shù)據(jù)處理的分類
3.1 分類問題
3.2 回歸問題
3.3 聚類分析
4 專題綜述
4.1 醫(yī)學圖像處理
4.2 傳統(tǒng)中醫(yī)的研究
5 討論
參考文獻
專題12 漢語認知的腦功能成像與神經(jīng)網(wǎng)絡
1 引言
1.1 揭示腦的奧秘是21世紀的最大挑戰(zhàn)
1.2 為什么研究漢語認知
2 腦的結(jié)構(gòu)與功能分區(qū)
2.1 大腦皮層功能分區(qū)
2.2 腦的皮層下結(jié)構(gòu)
3 腦功能成像技術(shù)
3.1 腦功能成像技術(shù)簡介
3.2 腦功能成像技術(shù)的比較
3.3 腦功能成像實驗步驟及處理分析技術(shù)
4 漢語認知研究
4.1 漢語認知的腦半球偏側(cè)化
4.2 漢語認知加工是否有不同于英文加工的特殊腦區(qū)
4.3 漢語拼音的對比研究
4.4 漢語認知的腦內(nèi)信息加工模式
5 漢語認知腦區(qū)間的相互作用及腦內(nèi)信息加工模式分析示例
5.1 研究目標
5.2 研究背景
5.3 實驗材料和方法
5.4 數(shù)據(jù)處理分析
5.5 實驗結(jié)果
5.6 結(jié)果討論
5.7 初步結(jié)論
6 本領(lǐng)域研究存在的問題及未來趨勢
6.1 腦功能成像技術(shù)的局限
6.2 認知任務的個體差異
6.3 認知任務操作中伴隨的意識、情緒等成分
6.4 神經(jīng)建模方法的未來
6.5 腦研究需要全球性的科研大合作：全球知識管理系統(tǒng)的建立
6.6 多學科交叉的神經(jīng)信息學研究方法
6.7 結(jié)語
參考文獻
專題13 認知心理學與神經(jīng)網(wǎng)絡
1 引言
2 聯(lián)結(jié)主義認知心理學的基本思想
2.1 聯(lián)結(jié)主義的基本含義
2.2 亞符號范式
2.3 聯(lián)結(jié)主義心理學的若干假設
2.4 聯(lián)結(jié)主義心理學的特征
3 聯(lián)結(jié)主義對于知覺效應的研究
3.1 問題的提出
3.2 級連相關(guān)模型
3.3 實驗研究
4 Stroop任務
4.1 Stroop任務的模型框架
4.2 神經(jīng)網(wǎng)絡模型
5 記憶
5.1 聯(lián)想記憶
5.2 語義記憶
5.3 記憶和表征
5.4 內(nèi)隱記憶和外顯記憶
6 語言
6.1 關(guān)于詞匯發(fā)音的模型
6.2 詞匯命名模型和吸引子模型
6.3 神經(jīng)網(wǎng)絡對于語言規(guī)則的表征和推導
6.4 人稱代詞的獲得問題
6.5 漢語認知研究
7 問題解決的研究
7.1 兒童關(guān)于"天平問題"的判斷
7.2 距離、時間和速度問題
8 知識的組織
8.1 信息加工理論的模型
8.2 聯(lián)結(jié)主義理論的模型
9 決策
9.1 研究設計
9.2 實驗
9.3 模擬
9.4 結(jié)果和討論
9.5 結(jié)論
10 認知發(fā)展問題
10.1 計算發(fā)展心理學
10.2 已經(jīng)得到的有意義的結(jié)論
10.3 目前尚存的問題
11 聯(lián)結(jié)主義和認知測量
11.1 問題的提出
11.2 聯(lián)結(jié)主義模型
11.3 連續(xù)記分IRT模型
11.4 計算機模擬實驗的設計和實施
12 展望
12.1 已經(jīng)取得的進展
12.2 存在的問題和今后的研究課題
參考文獻