人工神經網絡及其融合應用技術

前言
第1章緒論.
1.1人工神經網絡概述
1.1.1神經網絡模型
1.1.2神經網絡的工作方式
1.1.3神經網絡的學習規(guī)則
1.1.4神經網絡的基本性質及應用
1.2人工神經網絡的發(fā)展趨勢
1.3人工神經網絡與其他智能方法的融合
1.3.1神經網絡與遺傳算法的融合
1.3.2神經網絡與灰色系統的融合
1.3.3神經網絡與專家系統的融合
1.3.4神經網絡與模糊技術的融合
1.3.5神經網絡與小波分析的融合
1,4本章小結
第2章前饋型神經網絡
2.1BP誤差反向傳播神經網絡
2.1.1BP神經元模型
2.1.2BP學習算法
2.1.3BP算法的限制與不足
2.1.4對BP算法收斂速度的改進
2.2RBF徑向基函數神經網絡
2.2.1RBF神經網絡的結構
2.2.2RBF神經網絡的映射關系
2.2.3RBF網絡訓練的準則和常用算法
2.2.4RBF神經網絡和BP神經網絡的比較
2.3CMAC小腦神經網絡
2.3.1CMAC概述
2.3.2網絡結構
2.3.3學習算法
2.3.4工作原理
2.4RBF神經網絡在乎面剛架結構損傷辨識中的應用
2.4.1問題的描述
2.4.2確定網絡模型及網絡訓練
2.5本章小結
第3章反饋型神經網絡
3.1Hopfield反饋神經網絡
3.1.1離散型Hopfield神經網絡模型
3.1.2基于離散型的Hopfield神經網絡的聯想記憶
3.1.3連續(xù)型Hopfiel神經網絡模型
3.1.4Hopfield網絡的特點
3.2雙向聯想記憶BAM神經網絡
3.2.1BAM網絡的結構和工作原理
3.2.2BAM網絡的穩(wěn)定性
3.2.3BAM網絡的學習與回憶
3.3應用實例
3.3.1用連續(xù)型Hopfield網絡求解TSP
3.3.2網絡參數討論
3.4本章小結
第4章自組織型神經網絡,
4.1Kohonen自組織映射神經網絡
4.1.1Kohonen自組織映射網絡結構
4.1.2Kohonen自組織映射算法
4.2CPN對偶傳播神經網絡
4.2.1網絡結構
4.2.2運行過程
4.2.3學習過程
4.2.4CPN網絡的改進
4.3自適應共振理論(ART)
4.3.1ART網絡模型
4.3.2ART學習算法
4.3.3ART-1學習算法
4.3.4ART-2神經網絡基本結構
4.4應用實例
4.5本章小結
第5章量子神經網絡
5.1量子計算基礎
5.2量子神經元
5.2.1量子神經元模型..
5.2.2量子神經元的非線性映射特性
5.3幾種量子神經網絡模型
5.3.1量子衍生神經網絡
5.3.2量子并行自組織映射模型
5.3.3量子聯想記憶模型
5.3.4糾纏神經網絡模型
5.4本章小結
第6章神經網絡與遺傳算法
6.1遺傳算法基本理論
6.1.1遺傳算法的定義及發(fā)展現狀
6.1.2遺傳算法的基本思想
6.2基本遺傳算法
6.2.1基本遺傳算法的構成要素
6.2.2基本遺傳算法描述
6.3壓縮映射遺傳算法
6.3.1壓縮映射原理
6.3.2壓縮映射遺傳算法及其可行性與收斂性
6.4神經網絡與遺傳算法的融合
6.4.1神經網絡與遺傳算法融合的基礎
6.4.2面向神經網絡權值和閾值學習的壓縮映射遺傳算法
6.5遺傳神經網絡建立活性石灰生產線質量智能監(jiān)控模型
6.5.1建立遺傳神經網絡模型
6.5.2遺傳神經網絡檢測結果分析
6.6本章小結
第7章神經網絡與灰色系統
7.1灰色系統基本概念
7.1.1灰色系統基本原理
7.1.2灰色系統建模理論
7.1.3神經網絡與灰色系統結合初探
7.2灰色神經網絡建模
7.2.1灰色神經網絡模型基礎
7.2.2一維灰色神經網絡優(yōu)化模型GNNM(1,1)
7.2.3多維灰色神經網絡模型GNNM(1,N)
7.2.4動態(tài)神經網絡模型DNNM(1,4)
7.3灰色RBF神經網絡靜態(tài)預測模型
7.3.1灰色GM(0,N)模型分析
7.3.2GRBF預測模型及應用實例
7.4GNNM(1,N)建模方法在斜拉橋系統中的應用
7.4.1問題描述
7.4.2建模過程
7.5本章小結
第8章神經網絡與專家系統
8.1專家系統的基本結構
8.2專家知識的表示.獲取和推理
8.2.1知識表示
8.2.2知識獲取
8.2.3知識推理
8,3神經網絡與專家系統的融合
8.3.1神經網絡與專家系統的比較
8,3.2專家系統與神經網絡的融合方式
8.4基于神經網絡的專家系統的設計與實現
8.4.1基于神經網絡專家系統的邊坡系統設計與實現
8.4.2基于神經網絡的泵送混凝土專家系統的設計與實現
8.5本章小結
第9章模糊神經網絡
9.1模糊理論基礎
9.1.1模糊概念與模糊集合
9.1.2模糊推理
9.2模糊神經網絡基礎
9.2.1模糊神經網絡理論概述
9.2.2模糊神經元與模糊神經網絡
9.2.3模糊神經網絡的研究現狀與發(fā)展趨勢
9.3橋梁承載能力狀態(tài)評估的模糊神經網絡推理方法
9.3.1模糊神經網絡推理系統結構
9.3.2模糊推理規(guī)則
9.3.3模糊隸屬度函數
9.3.4實例分析
9.4模糊神經網絡與遺傳算法的融合
9.4.1FNN-GA基礎
9.4.2FNN-GA的染色體編碼與解碼
9.5模糊推理技術與專家系統的融合
9.5.1模糊專家系統
9.5.2模糊專家系統的優(yōu)缺點
9.6本章小結
參考文獻
附錄Matlab簡介...