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)檢測與估計(jì)
2.4.1LS準(zhǔn)則下的信號(hào)檢測與估計(jì)
2.4.2線性約束LS準(zhǔn)則下的信號(hào)檢測與估計(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
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語言
4.7.2基于Transputer的并行C語言
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)