人工神經(jīng)網(wǎng)絡(luò)理論·模型·算法與應(yīng)用

前言

20世紀(jì)80年代以來(lái)，以美國(guó)為代表，掀起了一股人工神經(jīng)網(wǎng)絡(luò)研究的熱潮。人工神經(jīng)網(wǎng)絡(luò)具有超高維、強(qiáng)非線性、自學(xué)習(xí)、自適應(yīng)、自組織和并行處理等眾多獨(dú)特的性能和優(yōu)點(diǎn)，使其在許多實(shí)際應(yīng)用領(lǐng)域：如系統(tǒng)辨識(shí)、自動(dòng)控制、故障診斷、模式識(shí)別、組合優(yōu)化、通信和語(yǔ)音及圖像、信號(hào)處理中得到廣泛的應(yīng)用并取得了顯著成效，能夠解決傳統(tǒng)方法極難求解的一些問(wèn)題，如旅行推銷員問(wèn)題（TSP問(wèn)題）。人工神經(jīng)網(wǎng)絡(luò)是一門新興的交叉科學(xué)，它源于當(dāng)代幾種著名的科學(xué)理論，如計(jì)算神經(jīng)理論、統(tǒng)計(jì)物理中非平衡系統(tǒng)的自組織理論及分形與混沌理論。這門學(xué)科的出現(xiàn)不是偶然的，一方面是科學(xué)和工程的廣泛領(lǐng)域出于自身發(fā)展的需要，例如自動(dòng)控制領(lǐng)域中人們遇到了日益復(fù)雜的控制系統(tǒng)（時(shí)變、非線性、多變量控制系統(tǒng)）及越來(lái)越高的控制要求，使得傳統(tǒng)的控制方法遇到了極大的挑戰(zhàn)；人工智能和計(jì)算機(jī)科學(xué)也出現(xiàn)了很多困難，這促使人們?nèi)ピ噲D模擬人腦的優(yōu)異功能來(lái)解決傳統(tǒng)方法遇到的問(wèn)題。另一方面是有關(guān)交叉學(xué)科，如腦科學(xué)、認(rèn)知科學(xué)、統(tǒng)計(jì)物理、分形與混沌理論等取得了長(zhǎng)足的發(fā)展，為人工神經(jīng)網(wǎng)絡(luò)理論的形成打下了堅(jiān)實(shí)的基礎(chǔ)。

內(nèi)容概要

《人工神經(jīng)網(wǎng)絡(luò)理論·模型·算法與應(yīng)用》由神經(jīng)網(wǎng)絡(luò)的原理和神經(jīng)網(wǎng)絡(luò)的應(yīng)用兩部分組成。第一部分闡述了當(dāng)前最具體表性的幾種神經(jīng)網(wǎng)絡(luò)模型，如前饋多層神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)和混沌神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、特點(diǎn)和學(xué)習(xí)算法。第二部分介紹了神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識(shí)、自動(dòng)控制、神經(jīng)網(wǎng)絡(luò)控制混沌等方面的應(yīng)用。
《人工神經(jīng)網(wǎng)絡(luò)理論·模型·算法與應(yīng)用》可作為自動(dòng)控制、電路與系統(tǒng)、計(jì)算機(jī)、信息處理、物理等專業(yè)的研究生教材和高年級(jí)本科生選修課教材，也可供有關(guān)科研人員參考。

書籍目錄

第一章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)概論1．1 神經(jīng)網(wǎng)絡(luò)理論形成的科學(xué)背景1．2 神經(jīng)網(wǎng)絡(luò)理論的發(fā)展歷史與趨勢(shì)1．2．1 早期階段1．2．2 20世紀(jì)70年代的過(guò)渡期1．2．3 20世紀(jì)80年代的高潮期1．2．4 目前的研究狀況和方向1．3 人工神經(jīng)網(wǎng)絡(luò)的生物學(xué)基礎(chǔ)和人工神經(jīng)元模型1．3．1 神經(jīng)網(wǎng)絡(luò)的生物學(xué)基礎(chǔ)1．3．2 人工神經(jīng)元模型1．4 神經(jīng)網(wǎng)絡(luò)模型的定義和結(jié)構(gòu)1．4．1 神經(jīng)網(wǎng)絡(luò)模型的定義1．4．2 神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)1．5 人工神經(jīng)網(wǎng)絡(luò)計(jì)算和傳統(tǒng)計(jì)算的特點(diǎn)比較1．6 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則與實(shí)現(xiàn)1．6．1 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則1．6．2 神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)1．7 神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域第二章 前饋神經(jīng)網(wǎng)絡(luò)2．1 感知器2．1．1 單層感知器的網(wǎng)絡(luò)結(jié)構(gòu)2．1．2 單層感知器的表征能力與線性可分性．2．1．3 感知器的學(xué)習(xí)算法2．2 前饋型BP神經(jīng)網(wǎng)絡(luò)2．2．1 BP網(wǎng)絡(luò)的結(jié)構(gòu)2．2．2 BP網(wǎng)絡(luò)的分類能力2．3 BP網(wǎng)絡(luò)的學(xué)習(xí)算法2．3．1 誤差反向傳播學(xué)習(xí)算法(EBP)2．3．2 EBP算法的缺點(diǎn)與改進(jìn)2．3．3 模擬退火算法2．3．4 遺傳算法2．4 前饋型多層網(wǎng)絡(luò)的映射能力與逼近能力2．4．1 前饋網(wǎng)絡(luò)的映射能力2．4．2 前饋網(wǎng)絡(luò)的逼近能力2．5 BP網(wǎng)絡(luò)的設(shè)計(jì)討論2．6 BP學(xué)習(xí)算法的VC++語(yǔ)言編程及有關(guān)結(jié)果2．6．1 EBP學(xué)習(xí)算法實(shí)現(xiàn)異或分類的C++語(yǔ)言程序2．6．2 運(yùn)行結(jié)果2．7 BP神經(jīng)網(wǎng)絡(luò)小結(jié)2．8 徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)2．8．1 RBF神經(jīng)網(wǎng)絡(luò)的生物學(xué)背景與結(jié)構(gòu)2．8．2 RBF網(wǎng)絡(luò)的學(xué)習(xí)算法2．9 小波神經(jīng)網(wǎng)絡(luò)2．9．1 小波函數(shù)的定義2．9．2 小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)2．9．3 小波神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)和學(xué)習(xí)算法2．10 小腦模型神經(jīng)網(wǎng)絡(luò)2．10．1 CMAC網(wǎng)絡(luò)的結(jié)構(gòu)2．10．2 CMAC網(wǎng)絡(luò)的學(xué)習(xí)算法2．11 FLAT神經(jīng)網(wǎng)絡(luò)2．11．1 FLAT神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)2．11．2 FLAT神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法2．12 用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)EEG信號(hào)的預(yù)測(cè)2．12．1 預(yù)測(cè)原理及其模型2．12．2 RBF網(wǎng)絡(luò)徑向基函數(shù)的改進(jìn)2．12．3 數(shù)據(jù)處理結(jié)果及討論第三章 反饋神經(jīng)網(wǎng)絡(luò)3．1 概述3．2 離散Hopfield神經(jīng)網(wǎng)絡(luò)3．2．1 網(wǎng)絡(luò)的結(jié)構(gòu)及工作方式3．2．2 網(wǎng)絡(luò)的能量函數(shù)與穩(wěn)定性分析3．2．3 網(wǎng)絡(luò)的聯(lián)想記憶和記憶容量3．3 連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)3．3．1 網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)3．3．2 CHNN的能量函數(shù)與穩(wěn)定性分析3．4 連續(xù)Hopfield網(wǎng)絡(luò)用于組合優(yōu)化問(wèn)題的求解3．4．1 基于連續(xù)Hopfield網(wǎng)絡(luò)求解TSP問(wèn)題3．4．2 算法的具體實(shí)現(xiàn)及計(jì)算結(jié)果3．4．3 基于Hopfield網(wǎng)絡(luò)的A／D轉(zhuǎn)換器3．5 Hopfield神經(jīng)網(wǎng)絡(luò)運(yùn)行的C語(yǔ)言程序3．6 隨機(jī)神經(jīng)網(wǎng)絡(luò)3．6．1 Boltzman機(jī)3．7 遞歸神經(jīng)網(wǎng)絡(luò)第四章 自組織神經(jīng)網(wǎng)絡(luò)4．1 概述4．2 自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)4．2．1 基本競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)規(guī)則4．2．2 抑制競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)規(guī)則4．3 自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)4．3．1 ART神經(jīng)網(wǎng)絡(luò)的主要優(yōu)點(diǎn)4．3．2 ART-1的基本原理4．3．3 ART-1神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法4．3．4 ART-2神經(jīng)網(wǎng)絡(luò)4．3．5 ART-2神經(jīng)網(wǎng)絡(luò)小結(jié)4．4 Kohonen自組織特征映射網(wǎng)絡(luò)及其學(xué)習(xí)算法4．4．1 SOFM網(wǎng)絡(luò)結(jié)構(gòu)4．4．2 Kohonen自組織映射算法4．4．3 學(xué)習(xí)速率函數(shù)和連接權(quán)初值確定問(wèn)題的討論4．4．4 實(shí)例4．5 SOMF神經(jīng)網(wǎng)絡(luò)模擬概率分布的C++語(yǔ)言程序第五 章混沌神經(jīng)網(wǎng)絡(luò)及其混沌控制5．1 混沌神經(jīng)網(wǎng)絡(luò)研究的歷史與現(xiàn)狀5．2 混沌神經(jīng)網(wǎng)絡(luò)模型及其動(dòng)力學(xué)特征5．2．1 互聯(lián)混沌神經(jīng)網(wǎng)絡(luò)5．2．2 自組織映射混沌神經(jīng)網(wǎng)絡(luò)5．2．3 離散混沌神經(jīng)網(wǎng)絡(luò)模型5．3 混沌神經(jīng)網(wǎng)絡(luò)中的混沌行為控制5．4 混沌神經(jīng)網(wǎng)絡(luò)在優(yōu)化計(jì)算中的應(yīng)用5．5 混沌神經(jīng)網(wǎng)絡(luò)在動(dòng)態(tài)關(guān)聯(lián)存儲(chǔ)方面的應(yīng)用5．6 前饋型神經(jīng)網(wǎng)絡(luò)用于混沌控制5．6．1 控制方法5．6．2 數(shù)值模擬5．6．3 控制機(jī)理的進(jìn)一步討論5．7 神經(jīng)網(wǎng)絡(luò)特征的歸納和總結(jié)第六章 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)6．1 系統(tǒng)辨識(shí)的基本概念和內(nèi)容6．1．1 系統(tǒng)辨識(shí)的定義6．1．2 線性系統(tǒng)的辨識(shí)方法6．1．3 系統(tǒng)辨識(shí)的內(nèi)容?6．1．4 實(shí)際辨識(shí)中要考慮的幾個(gè)關(guān)鍵問(wèn)題6．1．5 非線性系統(tǒng)的特點(diǎn)及其辨識(shí)方法6．2 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)6．2．1 基于神經(jīng)網(wǎng)絡(luò)辨識(shí)的特點(diǎn)6．2．2 幾種典型的非線性模型與結(jié)構(gòu)6．2．3 基于神經(jīng)網(wǎng)絡(luò)辨識(shí)的條件和結(jié)構(gòu)6．2．4 基于神經(jīng)網(wǎng)絡(luò)的兩種主要模型的辨識(shí)結(jié)構(gòu)6．3 基于神經(jīng)網(wǎng)絡(luò)的逆動(dòng)力學(xué)系統(tǒng)的辨識(shí)6．3．1 非線性系統(tǒng)的可逆性6．3．2 逆系統(tǒng)建模方法6．4 基于BP網(wǎng)絡(luò)的系統(tǒng)辨識(shí)與實(shí)例6．4．1 基于BP網(wǎng)絡(luò)的系統(tǒng)辨識(shí)算法6．4．2 基于BP網(wǎng)絡(luò)系統(tǒng)辨識(shí)的實(shí)例第七章 神經(jīng)網(wǎng)絡(luò)與自動(dòng)控制7．1 概述7．2 神經(jīng)網(wǎng)絡(luò)控制的發(fā)展及其用于控制的優(yōu)越性7．2．1 神經(jīng)網(wǎng)絡(luò)控制的發(fā)展7．2．2 神經(jīng)網(wǎng)絡(luò)用于控制的優(yōu)越性7．3 線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制7．3．1 反饋的兩種基本形式7．3．2 神經(jīng)網(wǎng)絡(luò)觀測(cè)器的實(shí)現(xiàn)方法7．4 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制7．4．1 概述7．4．2 自適應(yīng)控制的基本概念與結(jié)構(gòu)7．4．3 神經(jīng)網(wǎng)絡(luò)直接自適應(yīng)控制7．4．4 神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制7．4．5 神經(jīng)網(wǎng)絡(luò)自校正控制7．5 神經(jīng)網(wǎng)絡(luò)非線性預(yù)測(cè)控制7．5．1 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制的一般結(jié)構(gòu)與算法7．5．2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器的幾種方案7．6 神經(jīng)網(wǎng)絡(luò)模糊控制7．6．1 模糊控制的基本思想7．6．2 模糊控制的特點(diǎn)與組成7．6．3 反模糊化7．6．4 模糊控制的優(yōu)點(diǎn)和需要解決的問(wèn)題7．6．5 神經(jīng)網(wǎng)絡(luò)與模糊控制系統(tǒng)7．6．6 神經(jīng)網(wǎng)絡(luò)在模糊控制中的應(yīng)用參考文獻(xiàn)附錄1用四階龍格一庫(kù)塔算法求解Lorenz系統(tǒng)的c語(yǔ)言程序附錄2時(shí)間序列快速傅立葉變換(FFT)的C語(yǔ)言程序

章節(jié)摘錄

插圖：第一章神經(jīng)網(wǎng)絡(luò)基礎(chǔ)概論近代科學(xué)誕生之后，人類在研究自然現(xiàn)象及其規(guī)律性時(shí)，總是把研究對(duì)象歸結(jié)為一個(gè)數(shù)學(xué)模型，通過(guò)研究這個(gè)數(shù)學(xué)模型的性質(zhì)和規(guī)律達(dá)到認(rèn)識(shí)自然界規(guī)律性的目的。神經(jīng)網(wǎng)絡(luò)模型就是一種基于生理學(xué)的智能仿生模型，它體現(xiàn)了當(dāng)代幾種著名的科學(xué)理論，如計(jì)算神經(jīng)理論、耗散結(jié)構(gòu)理論及分形、混沌理論的基本精神。它的突出特點(diǎn)是超高維和強(qiáng)非線性，具有自組織、自適應(yīng)和自學(xué)習(xí)能力，以及非局域性、非定常性和非凸性等特點(diǎn)。神經(jīng)網(wǎng)絡(luò)模型的出現(xiàn)及其理論的發(fā)展，成為了一個(gè)全新的科學(xué)模型化的新范例，將對(duì)計(jì)算機(jī)科學(xué)與技術(shù)及其他相關(guān)科學(xué)的發(fā)展產(chǎn)生持久而深遠(yuǎn)的影響?！?.1神經(jīng)網(wǎng)絡(luò)理論形成的科學(xué)背景從神經(jīng)網(wǎng)絡(luò)科學(xué)的發(fā)展史來(lái)看，雖然早在20世紀(jì)40年代，心理學(xué)家和數(shù)學(xué)家出于研究人腦認(rèn)知功能的目的，開展了基于生理學(xué)的智能仿生模型——即人工神經(jīng)網(wǎng)絡(luò)（以下簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)）的研究，但神經(jīng)網(wǎng)絡(luò)作為一門科學(xué)，它成熟于20世紀(jì)80年代至90年代中期。經(jīng)歷了一個(gè)興衰起伏的曲折發(fā)展過(guò)程，這一過(guò)程的出現(xiàn)是科學(xué)發(fā)展自身的規(guī)律性作用和實(shí)際應(yīng)用需要的結(jié)果，主要有以下幾個(gè)方面的原因：（1）人類在研究自然、改造自然的過(guò)程中，逐漸認(rèn)識(shí)到了研究人類大腦的物質(zhì)結(jié)構(gòu)、意識(shí)活動(dòng)和生物特征的極端重要性。雖然人們已能從神經(jīng)結(jié)構(gòu)、細(xì)胞體構(gòu)成和分子生物學(xué)的水平上初步探明了大腦組織的特征，并已可以通過(guò)生理實(shí)驗(yàn)證明許多大腦的認(rèn)知機(jī)理，而且從定性上掌握了人腦的信息處理具有并行運(yùn)算、分布式存儲(chǔ)、自學(xué)習(xí)和聯(lián)想記憶的特點(diǎn)。但因腦神經(jīng)細(xì)胞的數(shù)量巨大（約為100億個(gè)）和連接的高度復(fù)雜性，人們到目前為止還不能完全掌握大腦的物質(zhì)組成結(jié)構(gòu)、大腦思維、意識(shí)和精神活動(dòng)的特點(diǎn)。神經(jīng)網(wǎng)絡(luò)理論的誕生，是人類建立研究大腦的一種科學(xué)模型化的新范例。

編輯推薦

《人工神經(jīng)網(wǎng)絡(luò)理論?模型?算法與應(yīng)用》由廣西師范大學(xué)出版社出版。

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    人工神經(jīng)網(wǎng)絡(luò)理論·模型·算法與應(yīng)用 PDF格式下載

---