17 三月 2009 2,646 views 2 Comments Print This Post  Email This Post

21世纪科技界面临的重大挑战之一是在不断扩大的广度和深度上用计算机来替代并且更好地完成人的各种智能工作。以人工神经网络、模糊逻辑与进化计算为核心的计算智能学正是为完成这一使命而构建的新学科之一。本书以人工神经网络为重点,其中包含多层前向神经网络、Hopfield神经网络、自组织神经网络以及一个新的重要发展方向———盲信号处理;还包括模糊神经网络和遗传算法及其在人工神经网络中的应用等交叉学科内容。

书中除了给出本学科主要的理论基础外还广泛介绍了这一领域最新研究方向、研究方法和成果、大量应用实例以及参考文献。

本书除了供大学研究生作为教材使用外,还可作为科技、经济、军事、生物和医学等各界人员从事研究和完成各项实际工作时自学和参考用书。

【作者】	杨行峻 郑君里	【出版社】	清华大学出版社
【文件格式】	PDF	【ISBN】	7-302-05880-6
【资料语言】	简体中文	【文件大小】	10.05MB

目录：

第1章 绪论

1. 1 人脑与人的智能. 人工神经网络与智能机器. 人工智能与计算智能

1. 2 ANN的主要模型与研究途径

1. 3 ANN的学习

1. 4 ANN的应用

1. 5 脉冲耦合神经网络和脑成像技术

1. 6 ANN与盲信号处理

1. 7 本书的组织

参考文献

第2章 前向多层神经网络与递归神经网络

2. 1 概述

2. 2 线性函数MLP

2. 3 硬限幅函数MLP

2. 4 用Sigmoid函数和线性函数的MLP

2. 5 BP算法的主要问题及其改进

2. 6 RBF网络

2. 7 小波神经网络

2. 8 MLFN的前端信号处理

2. 9 MLFN的函数逼近能力

2. 10 MLFN推广能力的统计学习理论

2. 11 提高MLFN推广能力的实用方法

2. 12 MLFN作为后验概率估值器

2. 13 递归神经网络

2. 14 MLFN应用举例之一–在非线性动力系统中的应用

2. 15 MLFN应用举例之二–手写数字识别

2. 16 MLFN应用举例之三–语音识别

参考文献

第3章 自组织神经网络–SOM和ART

3. 1 概述

3. 2 SOM的结构和自组织学习算法

3. 3 SOM自组织学习算法中的参数自适应

3. 4 学习向量量化–LVQ和LVQ2

3. 5 SOM的应用举例

3. 6 ART的基本原理和算法买现框架

3. 7 ART的各种变型及其比较

3. 8 ART应用举例–在化学工业中的应用

参考文献

第4章 Hopfield神经网络

4. 1 概述

4. 2 HM及其在TSP中的应用

4. 3 采用约束平面及HC的EHM

4. 4 采用罚函数的EHM

4. 5 离散时间HNN与自联想记忆

4. 6 双向联想记忆及其他联想记忆神经网络

参考文献

第5章 模糊神经网络

5. 1 概述

5. 2 FNN的结构和类型

5. 3 实现函数映射的FNN

5. 4 基于Fuzzy ART的FNN和Simpson网络

5. 5 实现聚类的FNN

5. 6 FNN在非线性动力系统辨识与控制中的应用

5. 7 FNN用于时间序列预测及其在金融和财务等领域中的应用

参考文献

第6章 遗传算法及其在人工神经网络中的应用

6. 1 概述

6. 2 基本的遗传算法

6. 3 模式定理

6. 4 遗传算法的收敛性能

6. 5 遗传算法面临的问题及改进算法

6. 6 遗传算法与人工神经网络的结合

参考文献

第7章 盲信号处理

7. 1 概述

7. 2 源信号pdf描述. 等价可分性. 二阶和高阶相关的去除

7. 3 ICA的目标函数

7. 4 ICA的学习算法

7. 5 ICA解的稳定性

7. 6 用ICA实现源分离时解的精确度

7. 7 ICA算法中信号源pdf的确定

7. 8 盲信号抽取

7. 9 盲解卷与盲均衡

7. 10 DCA算法

7. 11 IFA算法

7. 12 ICA和IFA的实际应用和待解决问题

参考文献

缩略语