人工神經網路是近年來再度興起並得到迅速發展的前沿交叉學科。它涉及到多 學科的基礎理論、方法、計算套用等眾多問題。圍繞這些問題，國內外的許多學者為發 展人工神經網路編寫了很多高水平的著作。
本書論述了大規模人工神經網路建造所關聯的有關理論、方法，以及適合大規模並行處理的人工神經網路結構。主要內容包括人工神經網路的分布系統理論（熱力學法），適合併行分布處理的人工神經網路典型模型和大規模人工神經網路的實現技術。
基本介紹
- 書名：人工神經網路建造
- 頁數： 198
- 出版社：中國鐵道出版社
- 出版時間：1998-04
基本信息,內容簡介,目 錄,
基本信息
定價: 26.80
裝幀: 平裝
ISBN: 9787113029258
內容簡介
本書可作為計算機信息處理、人工智慧、系統工程等專業高年級本科生、研究生教材，也可作為有關科技人員的參考書。
目 錄
第一章 緒 論
1.1歷史回顧
1.2生物神經
1.2.1神經 元
1.2.2信息傳遞
1.3神經組織
1.4視覺神經
1.5腦記憶的生理機制
1.6分布系統的特點
1.7分布系統的研究方法
1.8人工神經網路與分布系統
1.9人工神經網路信息處理原理
1.9.1神 經 元
1.9.2人工神經網路的分類
參考文獻
第二章 人工神經網路的分布系統模型
2.1基本數學工具
2.1.1機率過程
2.1.2連續時間的馬爾科夫過程
2.1.3離散狀態系統與連續狀態系統
2.1.4機率微分方程
2.2勢條件和吉布斯分布
2.2.1強勢條件
2.2.2弱勢條件
2.2.3細緻平衡條件
2.2.4正則系統和正則―散逸系統
2.2.5Ito，Stratonovich機率微分方程及它們的福克―普朗克方程
2.3系熵
2.3.1最大熵原理
2.3.2最小相對信息原理
2.3.3最小平均“能量”原理
2.3.4有序與無序平衡原理
2.3.5系統平衡態的熵
2.3.6平衡狀態的平均能量
2.3.7最大熵分布
2.4機率網路
2.4.1網 絡
2.4.2Ising模型
2.4.3利用平均場近似
2.4.4馬爾科夫機率場和機率網路
2.5H0pfield網路
2.5.1Hopfield權值公式證明
2.5.2連續Hopfield網
2.5.3Hopf以d網路最佳化套用
2.6波爾茲曼機器
附錄1
附錄2
附錄3
參考文獻
2.7網路最佳化
2.7.1目標函式
2.7.2最最佳化問題的機率模型
2.7.3分布最優網路
2.7.4模擬退火法
2.7.5網路結構變換
第三章 人工神經網路的其它模型
3.1人工神經網路的一般框架
3.1.1一般框架
3.1.2PDP模型分類
3.1.3PDP模型分層機構
3.1.4一般並行活動模型範例
參考文獻
3.2感知器算法
3.2.1感知器基本性質
3.2.2感知器梯度算法
3.2.3線性閾值元件感知器
3.3.4最小二乘分類算法
3.3誤差反傳遞算法
3.3.1兩層網的缺點
3.3.2擴展誤差（Δ）規則
3.3.3模擬結果
3.3.4進一步擴展
3.3.5改良BP算法
3.3.6模擬程式
3.4競爭學習算法
3.4.1競爭學習機構
3.4.2競爭學習
3.4.3形式分析
3.4.4實驗結果
3.4.5模擬程式
參考文獻
3.5遺傳算法的神經網路構造方法
3.5.1遺傳算法概述
3.5.2遺傳算法套用實例
3.5.3遺傳算法的形式描述
3.5.4遺傳算法神經網路
參考文獻
3.6基於自適應共振理論的自組織網路
3.6.1ART的提出
3.6.2ART模型結構
3.6.3競爭學習模型
3.6.4任意輸入環境中的自穩定學習
3.6.5交替學習模型
3.6.62/3規則
3.6.7假定測試的自動控制
3.6.8ART模型的數學方法
3.6.9ART模型的學習算法
參考文獻
第四章 大規模人工神經網路的實現
4.1計算機並行機制
4.1.1並行性等級
4.1.2並行結構
4.1.3處理機陣列
4.1.4開關網路
4.2Systolic陣列結構神經網路處理
4.2.1Systolic陣列結構原理
4.2.2波前陣列
4.2.3人工神經網路的Systolic陣列實現
參考文獻
4.3專用硬體
4.3.1數字VLSI神經元處理器
4.3.2模擬電路VLSI神經元處理器
4.3.3系統實例
4.3.4光技術機器
