基函數(shù)神經(jīng)網(wǎng)絡(luò)及應(yīng)用

第1章 神經(jīng)網(wǎng)絡(luò)概述
§1.1 神經(jīng)網(wǎng)絡(luò)發(fā)展簡史
§1.2 神經(jīng)網(wǎng)絡(luò)的基本概念與構(gòu)成
§1.2.1 神經(jīng)元模型
§1.2.2 神經(jīng)網(wǎng)絡(luò)的構(gòu)成
§1.2.3 神經(jīng)網(wǎng)絡(luò)的功能層次
§1.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法與分類
§1.3.1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
§1.3.2 神經(jīng)網(wǎng)絡(luò)的分類
參考文獻
第2章 數(shù)學(xué)基礎(chǔ)
§2.1 正交多項式基函數(shù)及性質(zhì)
§2.2 最佳逼近理論
§2.3 多元多項式逼近理論
§2.4 矩陣的偽逆及線性方程組求解
§2.5 傅立葉級數(shù)及逼近定理
§2.6 樣條插值
參考文獻
第3章 Chebyshev神經(jīng)網(wǎng)絡(luò)
§3.1 Chebyshev正交基函數(shù)
§3.2 Chebyshev神經(jīng)網(wǎng)絡(luò)建模
§3.2.1 單輸入Chebyshev神經(jīng)網(wǎng)絡(luò)及BP學(xué)習(xí)算法
§3.2.2 多輸入Chebyshev神經(jīng)網(wǎng)絡(luò)及BP學(xué)習(xí)算法
§3.3 正交基函數(shù)神經(jīng)網(wǎng)絡(luò)衍生學(xué)習(xí)算法
§3.4 Chebyshev神經(jīng)網(wǎng)絡(luò)仿真實驗與學(xué)習(xí)算法舉例
§3.5 Chebyshev神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)
§3.5.1 基于模擬電路的Chebyshev神經(jīng)網(wǎng)絡(luò)電路設(shè)計
§3.5.2 基于單片機的Chebyshev神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)
§3.5.3 Chebyshev神經(jīng)網(wǎng)絡(luò)模塊SN9701及其應(yīng)用
§3.6 Chebyshev神經(jīng)網(wǎng)絡(luò)非線性預(yù)測
§3.6.1 Chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測模型
§3.6.2 Chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測原理
§3.6.3 仿真與預(yù)測
§3.7 基于混沌控制系統(tǒng)的Chebyshev神經(jīng)網(wǎng)絡(luò)異步加密算法
§3.7.1 基于混沌控制系統(tǒng)的Chebyshev神經(jīng)網(wǎng)絡(luò)建模
§3.7.2 CCNN異步加密算法設(shè)計
§3.7.3 加密實例與算法安全性分析
參考文獻
附錄
第4章 Legendre神經(jīng)網(wǎng)絡(luò)
§4.1 Legendre正交基函數(shù)及逼近定理
§4.2 Legendre神經(jīng)網(wǎng)絡(luò)建模
§4.3 Legendre神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用
§4.3.1 基于Legendre神經(jīng)網(wǎng)絡(luò)的預(yù)測模型
§4.3.2 Legenclre神經(jīng)網(wǎng)絡(luò)股票預(yù)測
§4.4 Legendre神經(jīng)網(wǎng)絡(luò)入侵檢測系統(tǒng)的實現(xiàn)
§4.4.1 數(shù)據(jù)樣本的收集與處理
§4.4.2 Legendre神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
§4.4.3 實驗結(jié)果
§4.5 基于XOR的Legendre混沌神經(jīng)網(wǎng)絡(luò)異步加密算法
§4.5.1 Legendre混沌神經(jīng)網(wǎng)絡(luò)設(shè)計
§4.5.2 LCNN“一次一密”異步加密算法設(shè)計
§4.5.3 加密實例
參考文獻
附錄
第5章 Hermite神經(jīng)網(wǎng)絡(luò)
§5.1 Hermite正交基函數(shù)及逼近定理
§5.2 Hermite神經(jīng)網(wǎng)絡(luò)建模及權(quán)值學(xué)習(xí)算法
§5.3 其他正交多項式基函數(shù)神經(jīng)網(wǎng)絡(luò)
§5.3.1 Laguerre多項式
§5.3.2 Jacobi多項式
§5.3.3 Gegenbauer多項式
§5.4 基于混沌序列的Hermite神經(jīng)網(wǎng)絡(luò)異步加密
§5.4.1 Hermite混沌神經(jīng)網(wǎng)絡(luò)設(shè)計
§5.4.2 基于HCNN的“一次一密”加密算法設(shè)計
§5.4.3 算法分析
§5.4.4 加密實例
參考文獻
附錄
第6章 樣條神經(jīng)網(wǎng)絡(luò)
§6.1 樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)建模
§6.2 樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)的非線性對象仿真
參考文獻
附錄
第7章 多輸入多項式神經(jīng)網(wǎng)絡(luò)
§7.1 多輸入多項式基函數(shù)神經(jīng)網(wǎng)絡(luò)引論
§7.2 多輸入多項式神經(jīng)網(wǎng)絡(luò)的構(gòu)造原理
§7.2.1 多輸入多項式基函數(shù)神經(jīng)元模型
§7.2.2 二輸入多項式神經(jīng)網(wǎng)絡(luò)模型
§7.3 網(wǎng)絡(luò)權(quán)值迭代和一步確定
§7.4 神經(jīng)網(wǎng)絡(luò)最優(yōu)拓撲結(jié)構(gòu)篩減算法原理
§7.4.1 多元多項式最佳均方逼近
§7.4.2 多輸入多項式神經(jīng)網(wǎng)絡(luò)模型
§7.4.3 神經(jīng)網(wǎng)絡(luò)篩減原理與算法設(shè)計
§7.4.4 仿真實例
§7.5 多輸入分片二次多項式神經(jīng)網(wǎng)絡(luò)
§7.5.1 二元函數(shù)分片光滑逼近
§7.5.2 二元多項式基函數(shù)神經(jīng)網(wǎng)絡(luò)建模
§7.5.3 二元二次多項式基函數(shù)神經(jīng)網(wǎng)絡(luò)仿真
§7.6 二元二次多項式神經(jīng)網(wǎng)絡(luò)在非線性MAC中的應(yīng)用
§7.6.1 基于二元二次多項式神經(jīng)網(wǎng)絡(luò)MAC原理
§7.6.2 仿真研究
§7.7 多項式神經(jīng)網(wǎng)絡(luò)在機票收益預(yù)測中的應(yīng)用
§7.7.1 機票定價的現(xiàn)狀
§7.7.2 機票定價的主要影響因素
§7.7.3 基于多項式神經(jīng)網(wǎng)絡(luò)的機票收益預(yù)測
參考文獻
附錄
第8章 Fourier神經(jīng)網(wǎng)絡(luò)
§8.1 Fourier神經(jīng)網(wǎng)絡(luò)建模與仿真
§8.2 E弦基函數(shù)神經(jīng)網(wǎng)絡(luò)濾波器設(shè)計
§8.2.1 FIR數(shù)字濾波器振幅特性
§8.2.2 正弦基函數(shù)神經(jīng)網(wǎng)絡(luò)建模及濾波器設(shè)計
§8.3 余弦基函數(shù)神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)
§8.3.1 余弦基函數(shù)神經(jīng)網(wǎng)絡(luò)模型
§8.3.2 余弦基函數(shù)神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)方法
參考文獻
附錄
第9章 基函數(shù)神經(jīng)網(wǎng)絡(luò)統(tǒng)一模型
§9.1 人腦的結(jié)構(gòu)與功能
§9.1.1 右腦（本能腦·潛意識腦）
§9.1.2 左腦（意識腦）
§9.2 歐氏空間逼近論
§9.2.1 歐氏空間與Schmidt正交化
§9.2.2 歐氏空間Chebyshev最佳平方逼近
§9.2.3 任意函數(shù)的Chebyshev級數(shù)
§9.3 任意基函數(shù)神經(jīng)網(wǎng)絡(luò)統(tǒng)一建模
§9.3.1 基函數(shù)神經(jīng)網(wǎng)絡(luò)建模機理
§9.3.2 基函數(shù)神經(jīng)網(wǎng)絡(luò)通用模型及學(xué)習(xí)算法
§9.4 仿真實驗及兩類通用模型的比較
§9.5 任意基函數(shù)神經(jīng)網(wǎng)絡(luò)權(quán)值直接確定及仿真實驗
參考文獻
附錄