人工神经网络理论及应用(普通高等教育电气工程自动化系列规划教材)

本书系统地论述了人工 神经网络的主要理论、设计 基础、最新进展及应用实例 。旨在使读者了解神经网络 的发展背景和研究对象，理 解和熟悉它的基本原理和主 要应用，掌握它的结构模型 和设计应用方法，为深入研 究和应用开发打下基础。为 了便于读者理解，书中尽量 避免烦琐的数学推导．加强 了应用举例，并在内容的选 择和编排上注意到读者初次 接触新概念的易接受性和思 维的逻辑性。作为扩展知识 ，书中还介绍了人工神经系 统的基本概念、体系结构、 控制特性及信息模式。 两位作者多年来为控制 与信息类专业研究生开设“ 人工神经网络理论与应用” 课程，在多次修改讲义和结 合多项科研成果的基础上撰 写成此书，本书适合高校控 制与信息类专业研究生、智 能科学技术专业本科生以及 各类科技人员阅读。

前言 第1章 绪论 1.1 人工神经网络概述 1.1.1 人脑与计算机信息处理能力的比较 1.1.2 人脑与计算机信息处理机制的比较 1.1.3 什么是人工神经网络 1.2 人工神经网络发展简史 1.2.1 启蒙时期 1.2.2 低潮时期 1.2.3 复兴时期 1.2.4 新时期 1.2.5 海量数据时代 1.2.6 国内研究概况 1.3 神经网络的基本特征与功能 1.3.1 神经网络的基本特点 1.3.2 神经网络的基本功能 1.4 神经网络的应用领域 1.4.1 信息处理领域 1.4.2 自动化领域 1.4.3 工程领域 1.4.4 医学领域 1.4.5 经济领域 本章小结 习题 第2章 人工神经网络建模基础 2.1 脑的生物神经系统概述 2.1.1 人体神经系统的构成 2.1.2 高级中枢神经系统的功能 2.1.3 脑组织的分层结构 2.2 生物神经网络基础 2.2.1 生物神经元的结构 2.2.2 生物神经元的信息处理机理 2.3 人工神经元模型 2.3.1 神经元的建模 2.3.2 神经元的数学模型 2.3.3 神经元的变换函数 2.4 人工神经网络模型 2.4.1 网络拓扑结构类型 2.4.2 网络信息流向类型 2.5 神经网络学习 2.5.1 Hebbian学习规则 2.5.2 离散感知器学习规则 2.5.3 连续感知器学习规则 2.5.4 最小方均学习规则 2.5.5 相关学习规则 2.5.6 胜者为王学习规则 2.5.7 外星学习规则 本章小结 习题 第3章 感知器神经网络 3.1 单层感知器 3.1.1 感知器模型 3.1.2 感知器的功能 3.1.3 感知器的局限性 3.1.4 感知器的学习算法 3.2 多层感知器 3.3 自适应线性单元简介 3.3.1 ADALINE模型 3.3.2 ADALINE学习算法 3.3.3 ADALINE应用 3.4 误差反传算法 …… 第4章 自组织竞争神经网络 第5章 径向基函数神经网络 第6章 反馈神经网络 第7章 小脑模型神经网络 第8章 深度神经网络 第9章 支持向量机 第10章 遗传算法与神经网络进化 第11章 神经网络系统设计与软硬件实现 第12章 人工神经系统 参考文献