人工神经网络的结构学习算法及问题求解研究
第一章 前言 | 第1-21页 |
§1.1 什么是神经网络 | 第9-11页 |
§1.2 神经网络学习规则 | 第11-15页 |
§1.3 多层前馈网络学习算法研究现状 | 第15-17页 |
§1.4 联想记忆网络学习算法研究现状 | 第17-18页 |
§1.5 神经网络实时问题求解研究现状 | 第18-19页 |
§1.6 研究内容及主要结果 | 第19-21页 |
第二章 神经网络基本特征与典型模型 | 第21-40页 |
§2.1 神经网络的基本特征 | 第21-25页 |
·神经网络的结构特征 | 第21-23页 |
·神经网络的计算特征 | 第23页 |
·典型应用领域 | 第23-24页 |
·神经网络模型分类 | 第24-25页 |
§2.2 前馈网络模型 | 第25-30页 |
·感知器网络 | 第26-29页 |
·BP神经网络 | 第29-30页 |
§2.3 反馈网络模型 | 第30-37页 |
·离散型Hopfield网络 | 第31-35页 |
·连续Hopfield神经网络 | 第35-36页 |
·Boltzmann机 | 第36-37页 |
§2.4 HAMMING神经网络 | 第37-38页 |
§2.5 特征映射神经网络 | 第38-40页 |
第三章 模式分类与神经网络学习 | 第40-55页 |
§3.1 感知器分类学习算法 | 第40-42页 |
§3.2 BP网络分类学习算法 | 第42-45页 |
·标准BP算法 | 第42-44页 |
·BP算法的改进 | 第44-45页 |
§3.3 联想记忆分类学习算法 | 第45-50页 |
·Hopfield联想记忆网络学习算法 | 第46-47页 |
·双向联想记忆学习算法 | 第47-49页 |
·HAM与BAM网络模式分类器 | 第49-50页 |
§3.4 HAMMING网络分类学习算法 | 第50-52页 |
·分类原理 | 第50-51页 |
·学习算法 | 第51-52页 |
§3.5 特征映射分类学习算法 | 第52-55页 |
·分类原理 | 第52-53页 |
·Kohonen自组织特征映射算法 | 第53-55页 |
第四章 前馈网络分类机理 | 第55-63页 |
§4.1 前馈网络分类的几何机理 | 第55-59页 |
·超平面分割 | 第55-57页 |
·输入层致隐层映射的定性解释 | 第57-58页 |
·超曲面分割网络 | 第58-59页 |
§4.2 前馈网络分类的代数机理 | 第59-63页 |
·前馈网络的输入输出映射 | 第59-60页 |
·代数分类机理 | 第60-63页 |
第五章 二进制映射神经网络分类的结构学习算法 | 第63-79页 |
§5.1 问题简述 | 第63-64页 |
§5.2 二分问题的神经网络结构学习算法 | 第64-66页 |
§5.3 一般二进制映射问题的几何学习算法 | 第66-79页 |
·隐层网络学习 | 第66-70页 |
·输出层网络学习 | 第70-74页 |
·性能分析 | 第74-77页 |
·实验与应用 | 第77-79页 |
第六章 联想存储器结构学习算法 | 第79-95页 |
§6.1 联想记忆学习问题简述 | 第79-80页 |
§6.2 竞争分类学习算法 | 第80-88页 |
·网络结构及学习算法 | 第80-82页 |
·网络稳定性分析 | 第82-87页 |
·网络性能分析 | 第87-88页 |
§6.3 自适应竞争分类算法 | 第88-91页 |
·网络结构、学习算法及稳定性分析 | 第88-89页 |
·CC算法与ACC算法比较 | 第89-91页 |
§6.4 前馈联想记忆网络学习算法 | 第91-93页 |
·前馈网络联想记忆原理 | 第91-92页 |
·学习算法 | 第92-93页 |
§6.5 试验结果 | 第93-95页 |
第七章 神经网络实时问题求解 | 第95-108页 |
§7.1 货郎问题的神经网络实时求解 | 第95-97页 |
§7.2 最短路问题的神经网络实时求解 | 第97-108页 |
·最小数选择器 | 第97-100页 |
·有向图最短路径的计算 | 第100-103页 |
·无向图的最短路径求解 | 第103-104页 |
·计算机模拟 | 第104页 |
·结论 | 第104-108页 |
参考文献 | 第108-114页 |
附录 | 第114页 |