遞歸人工神經網路的定性分析和綜合

本書對遞歸人工神經網路進行了定性的分析。首先介紹了幾種神經網路模型，包括：模擬Hopfield神經網路；具有Sigmoid激活函式或飽和非線性激活函式的Hopfield同步離散神經網路；

基本介紹

• 中文名：遞歸人工神經網路的定性分析和綜合
• 外文名：Qualitative Analysis and Synthesis of Recurrent Neural Networks
• 出版社： 科學出版社
• 裝幀：平裝
• 出版年： 2004年7月1日
• 譯者：張化光
• 作者：劉德榮 / （美）A.N. 米歇爾
• ISBN：9787030130174
• 頁數：308
• 定價：39.00

圖書簡介

sign函式做為激活函式的離散Hopfield神經網路；Sigmoid函式具有無限增益的模擬Hopfield神經網路；Grossberg模型及工作於閉超立方體上的線性系統等；利用Lyapunov函式系統地分析了模擬Hopfield神經網路的全局穩定性及局部穩定性，給出網路全局穩定的精確條件及系統地確定所有平衡點位置及其穩定特性的算法；對於工作於閉超立方體上的線性系統，詳細闡述了解的定義，並給出了飽和模式下解的概念；對於存在攝動的神經網路，確定該神經網路與相應的無攝動神經網路的工作點之間距離的估計；在延遲足夠小的情況下，證明了Hopfield和Cohen- Grossberg神經網路與相應的無延遲網路具有同樣的全局穩定特性；利用不同類型的人工遞歸神經網路，介紹了幾種聯想記憶綜合方法，如外積法、投影學習規則和特徵結構法等；研究了神經網路互連結構約束對聯想記憶綜合過程的影響，並將上述研究結果套用於一類特定的細胞神經網路的綜合過程之中。

圖書目錄

譯者的話

前言

第一章 緒論

1.1 本書的研究內容

1.2 一些神經網路模型

1.3 模擬Hopfield神經網路的定性分析：全局結果

1.4 工作於閉超立方體上的線性系統的穩定性分析

1.5 Hopfield神經網路的定性分析：局部結果

1.6 參數攝動的定性影響

1.7 時間延遲的定性影響

1.8 聯想記憶的一些綜合方法

1.9 互連約束的影響

參考文獻

第二章 一些神經網路的模型

2.1 引言

2.2 模擬Hopfield神經網路模型

2.3 離散Hopfield神經網路模型

2.4 Hopfield模型的廣義形式

2.5 具有無限增益放大器的模擬Hopfield神經網路

2.6 工作於閉超立方體上的線性系統

2.7 小結

2.8 附註

參考文獻

第三章 模擬Hopfield神經網路的定性分析：全局結果

3.1 廣義模擬Hopfield神經網路模型：系統（L）

3.2 符號說明及預備知識

3.3 廣義Hopfield模型的假設

3.4 廣義Hopfield模型的主要結果

3.5 帶有無限增益放大器的模擬Hopfield神經網路模型:系統（N）

3.6 系統（N）的解的定義及其性質

3.7 系統（N）的平衡點及輸出向量的定性特性

3.8 基於能量函式的系統（N）的定性分析

3.9 小結

3.10 附註

參考文獻

第四章 工作於閉超立方體上的線性系統的穩定性分析：系統（M）

4.1 工作於閉超立方體上的線性連續系統（M）

4.2 符號說明

4.3 系統（M）的解的定義及特性

4.4 系統（M）的平衡點的定性特性

4.5 基於能量函式的系統（M）的定性分析

4.6 工作於閉超立方體上的線性離散系統

4.7 工作於閉超立方體上的線性連續系統的全局漸近穩定性

4.8 工作於閉超立方體上的線性離散系統的全局漸近穩定性

4.9 小結

4.10 附註

參考文獻

第五章 Hopfield神經網路的定性分析：局部結果

5.1 符號說明

5.2 背景資料

5.3 被視為互連繫統的模擬Hopfield模型

5.4 單個神經元子系統的穩定性分析

5.5 模擬Hopfield神經網路模型的定性分析：局部結果

5.6 同步離散Hopfield神經網路的分析

5.7 具有飽和非線性激活函式的模擬Hopfield神經網路的分析

5.8 小結

5.9 附註

參考文獻

第六章 參數攝動的定性影響

6.1 引言

6.2 符號說明

6.3 魯棒穩定性：具有固定平衡點的攝動系統

6.4 魯棒穩定性：具有攝動平衡點的攝動系統

6.5 具有Sigmoid激活函式神經網路的分析

6.6 具有硬限幅器型激活函式神經網路的分析

6.7 小結

6.8 附註

參考文獻

第七章 時間延遲的定性影響

7.1 引言

7.2 預備知識（Hopfield神經網路）

7.3 延遲Hopfield神經網路的全局穩定性

7.4 延遲Hopfield神經網路的局部穩定結果

7.5 Hopfield神經網路的一個例子

7.6 預備知識（Cohen-Grossberg神經網路）

7.7 多延遲Cohen-Grossberg神經網路的全局穩定性

7.8 多延遲Cohen-Grossberg神經網路局部穩定結果

7.9 具有任意有界延遲的非線性系統

7.10 具有固定有界延遲的非線性系統

7.11 具有非對稱互連結構延時神經網路的穩定性分析

7.12 延時神經網路的魯棒穩定性分析

7.13 示例

7.14 小結

7.15 附註

參考文獻

第八章 聯想記憶的一些綜合方法

8.1 引言:外積法與投影學習規則

8.2 投影學習規則的一些擴展

8.3 特徵結構法

8.4 特徵結構法的一些擴展

8.5 基於感知器訓練算法的遞歸神經網路的綜合

8.6 基於感知器訓練算法的一些擴展

8.7 示例

8.8 小結

8.9 附註

參考文獻

第九章 互連約束的影響

9.1 引言

9.2 稀疏互連神經網路綜合的特徵結構法

9.3 稀疏互連神經網路綜合的基於感知器的訓練算法

9.4 實現聯想記憶的細胞神經網路的綜合

9.5 示例

9.6 小結

9.7 附註

參考文獻