人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用

第一章 概論
1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展與現(xiàn)狀
1.2 人工神經(jīng)元模型
1.3 用有向圖表示神經(jīng)網(wǎng)絡(luò)
1.4 網(wǎng)絡(luò)結(jié)構(gòu)及工作方式
1.5 神經(jīng)網(wǎng)絡(luò)的學習
第二章 前饋型神經(jīng)網(wǎng)絡(luò)
2.1 線性閾值單元組成的前饋網(wǎng)絡(luò)
2.2 非線性變換單元組成的前饋網(wǎng)絡(luò)
2.3 應(yīng)用舉例
第三章 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
3.1 函數(shù)逼近與內(nèi)插
3.2 正規(guī)化理論
3.3 RBF網(wǎng)絡(luò)的學習
3.4 RBF網(wǎng)絡(luò)的一些變形
3.5 模糊神經(jīng)網(wǎng)絡(luò)
3.6 RBF網(wǎng)絡(luò)應(yīng)用
第四章 小波神經(jīng)網(wǎng)絡(luò)
4.1 引言
4.2 小波變換
4.3 多分辨率分析
4.4 小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形式
4.5 小波神經(jīng)網(wǎng)絡(luò)的學習算法
4.6 不波網(wǎng)絡(luò)的應(yīng)用
第五章 Hopfield反饋神經(jīng)網(wǎng)絡(luò)
5.1 聯(lián)想存儲器
5.2 反饋網(wǎng)絡(luò)
5.3 用反饋網(wǎng)絡(luò)作聯(lián)想存儲器
5.4 相關(guān)學習算法
5.5 反饋網(wǎng)絡(luò)用于優(yōu)化計算
第六章 神經(jīng)網(wǎng)絡(luò)應(yīng)用于信號和圖像處理
6.1 LS準則下的神經(jīng)網(wǎng)絡(luò)自適應(yīng)濾波
6.2 基于神經(jīng)網(wǎng)絡(luò)的譜估計
6.3 基于神經(jīng)網(wǎng)絡(luò)的高階譜估計
6.4 細胞神經(jīng)網(wǎng)絡(luò)用于圖像處理
6.5 腹水脫落癌細胞的識別研究
第七章 神經(jīng)網(wǎng)絡(luò)用于自動控制
7.1 概述
7.2 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識
7.3 基于神經(jīng)網(wǎng)絡(luò)的非線性預測控制
7.4 基于神經(jīng)網(wǎng)絡(luò)模型的柴油調(diào)合非線性控制和在線優(yōu)化
7.5 基于神經(jīng)網(wǎng)絡(luò)的化工過程動態(tài)監(jiān)控
參考文獻