人工神經網路原理及應用
人工神經網路原理及應用
《人工神經網路原理及應用》由朱大奇、史慧編著，科學出版社出版。
人工神經網路原理及應用
第1章 人工神經網路的基礎知識 1
1.1 人工神經網路發展的歷史及現狀 1
1.1.1 人工神經網路研究階段的劃分 1
1.1.2 人工神經網路國內外研究狀況 7
1.1.3 神經網路的發展展望 7
1.2 人工神經網路的基本模型及其功能 9
1.2.1 人工神經元的模型 9
1.2.2 人工神經網路的特性 11
1.2.3 人工神經網路的基本功能 12
1.2.4 人工神經網路的應用領域 13
1.3 人工神經網路的基本要素 17
1.3.1 神經元功能函數 17
1.3.2 神經元之間的連接形式 19
1.3.3 人工神經網路的學習（訓練） 20
1.4 本章小結 28
1.5 思考題 28
1.6 參考文獻 29
第2章 BP誤差反傳神經網路 33
2.1 BP神經網路模型及其學習演演算法 33
2.1.1 BP網路結構 33
2.1.2 BP網路學習演演算法 34
2.2 BP神經網路設計的一般原則 39
2.2.1 BP網路參數設計 39
2.2.2 BP網路結構參數設計 42
2.3 BP神經網路的應用 43
2.3.1 BP神經網路在模擬電路故障診斷中應用 43
2.3.2 BP神經網路在多感測器信息融合故障診斷中應用 46
2.3.3 BP神經網路在工業生產中的應用——基於人工神經網路的熱軋帶鋼熱流密度預測 53
2.3.4 BP神經網路在工程建設安全管理中的應用——基於人工神經網路的工程建設安全
管理效果評價 56
2.4 本章小結 63
2.5 思考題 63
2.6 參考文獻 63
第3章 Hopfield反饋神經網路 65
3.1 離散型Hopfield神經網路 65
3.1.1 DHNN結構與工作方式 65
3.1.2 網路的穩定性與吸引子 69
3.1.3 DHNN的設計原則 73
3.2 連續型Hopfield神經網路 75
3.3 Hopfield神經網路的應用 82
3.3.1 Hopfield神經網路在A/D轉換器上的應用 82
3.3.2 Hopfield神經網路在字元識別上的應用 85
3.4 本章小結 90
3.5 思考題 90
3.6 參考文獻 91
第4章 BAM雙向聯想記憶神經網路 93
4.1 BAM結構、演演算法及穩定性 93
4.1.1 BAM結構及工作原理 93
4.1.2 BAM權矩陣設計及穩定性分析 94
4.2 BAM神經網路的應用 97
4.2.1 基於BAM神經網路的推理方法 97
4.2.2 基於BAM網路的控制系統故障診斷 103
4.3 本章小結 104
4.4 思考題 104
4.5 參考文獻 105
第5章 CMAC小腦神經網路 106
5.1 CMAC結構及工作原理 106
5.1.1 CMAC結構 106
5.1.2 CMAC工作原理 107
5.2 CMAC改進學習演演算法 109
5.2.1 模糊CMAC神經網路演演算法 109
5.2.2 基於信度分配的平衡學習CMAC神經網路演演算法 110
5.2.3 基於信度分配的模糊CMAC神經網路學習演演算法 115
5.3 CMAC神經網路的應用——基於CMAC的電液負載模擬器自學習控制 119
5.4 本章小結 125
5.5 思考題 126
5.6 參考文獻 126
第6章 RBF徑向基函數神經網路 128
6.1 RBF結構及工作原理 128
6.2 RBF學習演演算法 129
6.2.1 RBF網路的常規學習演演算法 129
6.2.2 相關問題 131
6.3 改進的RBF學習演演算法 132
6.3.1 IRBF神經網路分析 132
6.3.2 基於免疫演演算法的IRBF神經網路設計 133
6.4 徑向基函數神經網路RBF的應用——利用RBF神經網路實現熱工過程的在線辨識 137
6.5 本章小結 142
6.6 思考題 142
6.7 參考文獻 142
第7章 SOM自組織特徵映射神經網路 144
7.1 競爭學習演演算法基礎 144
7.1.1 自組織神經網路結構 144
7.1.2 自組織神經網路的原理 145
7.2 SOM神經網路模型與演演算法 151
7.3 SOM神經網路的應用 154
7.3.1 SOM網路應用於字元排序 154
7.3.2 SOM網路在複合材料損傷監測中的應用 156
7.3.3 SOM網路在電路故障診斷中應用 159
7.4 本章小結 162
7.5 思考題 162
7.6 參考文獻 163
第8章 CPN對偶傳播神經網路 164
8.1 CPN神經網路簡介 164
8.2 CPN神經網路結構及原理 165
8.2.1 CPN網路結構 165
8.2.2 簡單CPN網路運行原理 166
8.2.3 改進的CPN網路運行原理 171
8.3 CPN神經網路的應用——CPN網路在集成電路故障模式識別中的應用 172
8.3.1 電路故障診斷的CPN神經網路信息融合方法 172
8.3.2 基於CPN神經網路信息融合的光電雷達電路故障識別 175
8.4 本章小結 177
8.5 思考題 177
8.6 參考文獻 178
第9章 ART自適應諧振理論 179
9.1 ART1型神經網路結構及演演算法 179
9.1.1 ART1型網路結構 179
9.1.2 ART1型網路工作原理 181
9.2 ART2型神經網路結構及演演算法 184
9.2.1 ART2型網路結構 184
9.2.2 ART2型神經網路的數學模型與學習演演算法 185
9.2.3 ART綜合系統 188
9.3 ART神經網路的應用 190
9.3.1 ART神經網路在圖像識別中應用 190
9.3.2 ART神經網路在故障診斷中應用 193
9.4 本章小結 197
9.5 思考題 198
9.6 參考文獻 198
第10章 量子神經網路 199
10.1 量子神經網路的發展 199
10.2 量子神經網路模型 200
10.2.1 多層激勵函數的量子神經網路 200
10.2.2 Qubit神經元模型 201
10.2.3 多宇宙的量子神經網路模型 201
10.2.4 其他模型研究 202
10.2.5 量子神經網路的發展 203
10.3 量子神經網路的應用 204
10.3.1 基於量子雙縫干涉實驗的神經網路模型 204
10.3.2 多層激勵函數的量子神經網路模型及其在故障診斷中的應用 209
10.4 本章小結 215
10.5 思考題 215
10.6 參考文獻 215