神經(jīng)網(wǎng)絡理論

引言                  
 第1篇  神經(jīng)網(wǎng)絡的結(jié)構(gòu)                  
 第1章  從布爾元件的邏輯基礎向閾值邏輯基礎的過渡                  
 1. 1  線性閾值單元（神經(jīng)元）                  
 1. 2  多閾值邏輯                  
 1. 3  連續(xù)邏輯                  
 1. 4  激活函數(shù)的形式                  
 參考文獻                  
 第2章  神經(jīng)網(wǎng)絡結(jié)構(gòu)的定性分析                  
 2. l  神經(jīng)網(wǎng)絡結(jié)構(gòu)的幾種形式                  
 2. 2  有順序前向連接的多層網(wǎng)絡                  
 2. 3  多層網(wǎng)絡的結(jié)構(gòu)及其符號表示                  
 參考文獻                  
 第3章  有跨越連接的多層網(wǎng)絡結(jié)構(gòu)的優(yōu)化                  
 3. 1  關于問題復雜性的準則                  
 3. 2  有跨越連接的一維輸人網(wǎng)絡的方案                  
 3. 3  類區(qū)數(shù)上限與下限的估計                  
 3. 4  結(jié)構(gòu)優(yōu)化問題的一些特例                  
 3. 5  根據(jù)某種拓撲特性進行的網(wǎng)絡結(jié)構(gòu)的優(yōu)化                  
 3. 6  有幾個輸出值的網(wǎng)絡結(jié)構(gòu)的優(yōu)化                  
 參考文獻                  
 第4章  連續(xù)神經(jīng)網(wǎng)絡                  
 4. 1  輸人特征為連續(xù)的神經(jīng)元                  
 4. 2  取連續(xù)值的層中神經(jīng)元                  
 4. 3  有離散特征的連續(xù)神經(jīng)元層                  
 4. 4  神經(jīng)元的連續(xù)模型的分類                  
 參考文獻                  
                   
 第2篇  神經(jīng)網(wǎng)路的最優(yōu)模型                  
 第5章  神經(jīng)網(wǎng)絡輸入信號特性的研究                  
 5. 1  問題的提出                  
 5. 2  有兩類樣本時輸人信號的聯(lián)合概率分布                  
 5. 3  有K類樣本時輸人信號的聯(lián)合概率分布                  
 參考文獻                  
 第6章  建造神經(jīng)網(wǎng)絡的最優(yōu)模型                  
 6. 1  最優(yōu)模型的一般結(jié)構(gòu)                  
 6. 2  典型神經(jīng)網(wǎng)絡分界面的解析表達                  
 6. 3  多維 E（n）及y（n）時的最優(yōu)模型                  
 6. 4  自學習狀態(tài)下神經(jīng)網(wǎng)絡輸人信號的先驗信息                  
 6. 5  自學習狀態(tài)下網(wǎng)絡的一次優(yōu)化準則                  
 6. 6  在有任意技術(shù)等級的教師和自學習狀態(tài)下網(wǎng)絡的最優(yōu)模型                  
 參考文獻                  
 第7章  開環(huán)神經(jīng)網(wǎng)絡的分析                  
 7. 1  神經(jīng)網(wǎng)絡的模擬量和離散量誤差的分布規(guī)律                  
 7. 2  二次優(yōu)化泛函的選擇                  
 7. 3  系統(tǒng)"Adline"中二次優(yōu)化泛函的選擇                  
 7. 4  對應給定一次優(yōu)化準則二次優(yōu)化準則的形成                  
 7. 5  連續(xù)型神經(jīng)網(wǎng)絡                  
 7. 6  在有任意技術(shù)等級的教師和自學習狀態(tài)下的神經(jīng)網(wǎng)絡                  
 參考文獻                  
 第8章  多變量函數(shù)極值的搜索算法                  
 8. 1  多層神經(jīng)網(wǎng)絡二次優(yōu)化泛函極值的搜索過程                  
 8. 2  有關多變量函數(shù)迭代搜索法的分析                  
 8. 3  隨機逼近法                  
 8. 4  對變量有等式約束的多變量函數(shù)極值進行搜索的迭代方法                  
 8. 5  變量有不等式約束時多變量函數(shù)尋優(yōu)的迭代法                  
 8. 6  多變量函數(shù)的局部和全局最優(yōu)點的隨機搜索算法                  
 8. 7  使用二次優(yōu)化泛函的二階導數(shù)估計值的自適應算法                  
 參考文獻                  
                   
 第3篇  自適應神經(jīng)網(wǎng)絡                  
 第9章  神經(jīng)網(wǎng)絡的調(diào)整算法                  
 9. 1  問題的提出                  
 9. 2  有二值及連續(xù)輸出的神經(jīng)元                  
 9. 3  兩層網(wǎng)絡                  
 9. 4  由連續(xù)輸出神經(jīng)元構(gòu)成的多層網(wǎng)絡                  
 9. 5  變量存在約束的閉環(huán)調(diào)整的神經(jīng)網(wǎng)絡的構(gòu)造                  
 9. 6  有二值輸出的網(wǎng)絡的一次優(yōu)化準則的實現(xiàn)                  
 9. 7  有連續(xù)輸人和幾種輸出神經(jīng)網(wǎng)絡中平均風險最小化的實現(xiàn)                  
 9. 8  有N*個輸出通道的神經(jīng)網(wǎng)絡中平均風險最小化的實現(xiàn)                  
 9. 9  多層神經(jīng)網(wǎng)絡中平均風險最小化的實現(xiàn)                  
 9. 10  輸人為非平穩(wěn)樣本時閉環(huán)神經(jīng)網(wǎng)絡的構(gòu)造                  
 9. 11  帶跨越或反饋連接的閉環(huán)調(diào)整的神經(jīng)網(wǎng)絡的構(gòu)造                  
 9. 12  自學習與有任意技術(shù)等級教師的閉環(huán)神經(jīng)網(wǎng)絡                  
 9. 13  二次優(yōu)化泛函的二階導數(shù)的估計                  
 參考文獻                  
 第10章  連續(xù)型神經(jīng)網(wǎng)絡的調(diào)整                  
 10. 1  有連續(xù)特征的網(wǎng)絡的調(diào)整                  
 10. 2  層中神經(jīng)元為連續(xù)時權(quán)值的調(diào)整                  
 10. 3  連續(xù)神經(jīng)元層網(wǎng)絡的學習過程中參數(shù)矩陣的選取                  
 10. 4  有連續(xù)特征并基于給定隨機樣本時參數(shù)K*（i, j）的選擇                  
 10. 5  連續(xù)兩層網(wǎng)絡調(diào)整算法的特點                  
 10. 6  連續(xù)神經(jīng)元層權(quán)函數(shù)的3種實現(xiàn)方案及相應的學習過程                  
 10. 7  兩層連續(xù)神經(jīng)網(wǎng)絡中使用二次優(yōu)化泛函a2g的學習算法                  
 10. 8  有分段常數(shù)權(quán)函數(shù)的連續(xù)神經(jīng)元層                  
 10. 9  帶分段線性權(quán)函數(shù)的連續(xù)神經(jīng)元層                  
 10. 10  帶分段常數(shù)權(quán)函數(shù)的連續(xù)神經(jīng)元層的網(wǎng)絡                  
 參考文獻                  
 第11章  調(diào)整神經(jīng)網(wǎng)絡時初值的選擇及多層網(wǎng)絡的典型輸入信號                  
 11. 1  初始條件的選擇方法                  
 11. 2  確定性選擇初值的算法                  
 11. 3  多層神經(jīng)網(wǎng)絡中初始條件的選擇                  
 11. 4  多層神經(jīng)網(wǎng)絡的典型輸人信號                  
 參考文獻                  
 第12章  閉環(huán)多層神經(jīng)網(wǎng)絡的研究                  
 12. 1  閉環(huán)調(diào)整的多層神經(jīng)網(wǎng)絡設計問題的提出                  
 12. 2  輸人信號是多峰分布時神經(jīng)元特性的研究                  
 12. 3  識別非平穩(wěn)樣本的神經(jīng)網(wǎng)絡的動態(tài)研究                  
 12. 4  學習狀態(tài)下三層神經(jīng)網(wǎng)絡的動態(tài)研究                  
 12. 5  有反饋網(wǎng)絡的一些特例的研究                  
 12. 6  自學習狀態(tài)下單層神經(jīng)網(wǎng)絡的動態(tài)研究                  
 12. 7  自學習狀態(tài)下的兩層神經(jīng)網(wǎng)絡                  
 12. 8  閉環(huán)多層神經(jīng)網(wǎng)絡調(diào)整算法中一些有關參數(shù)矩陣選擇的工程方法                  
 12. 9  用于解決矩陣變換問題的多層神經(jīng)網(wǎng)絡的構(gòu)造                  
 12. 10  用于把二進制數(shù)轉(zhuǎn)換為十進制數(shù)的多層神經(jīng)網(wǎng)絡                  
 12. 11  有任意教師等級的多層網(wǎng)絡的研究                  
 12. 12  對閉環(huán)調(diào)整的神經(jīng)網(wǎng)絡進行研究的解析方法                  
 參考文獻                  
 第13章  可變結(jié)構(gòu)多層神經(jīng)網(wǎng)絡的設計                  
 13. l  第1層神經(jīng)元的順序?qū)W習算法                  
 13. 2  使用隨機法搜索局部及全局極值的多層神經(jīng)網(wǎng)絡中第1層神經(jīng)元的學習算法                  
 13. 3  超平面數(shù)增多時有關算法收斂性的分析                  
 13. 4  兩層神經(jīng)網(wǎng)絡中第2層神經(jīng)元的學習                  
 13. 5  3層神經(jīng)網(wǎng)絡中第2層和第3層神經(jīng)元的學習                  
 13. 6  對多層神經(jīng)網(wǎng)絡做依次調(diào)整的一般方法                  
 13. 7  有連續(xù)特征的多層神經(jīng)網(wǎng)絡中第1層神經(jīng)元的學習方法                  
 13. 8  用調(diào)整變結(jié)構(gòu)多層神經(jīng)網(wǎng)絡的方法解決初始條件的選擇問題                  
 13. 9  變結(jié)構(gòu)多層神經(jīng)網(wǎng)絡的自學習算法                  
 參考文獻                  
 第14章  多層神經(jīng)網(wǎng)絡中有效特征的選擇                  
 14. 1  學習狀態(tài)下特征選擇問題的提出                  
 14. 2  固定結(jié)構(gòu)的多層神經(jīng)網(wǎng)絡中特征提取的結(jié)構(gòu)方法                  
 14. 3  用于選擇有效特征的第1層神經(jīng)元順次調(diào)整的多層神經(jīng)網(wǎng)絡                  
 14. 4  神經(jīng)元數(shù)的最少化                  
 14. 5  自學習狀態(tài)下多層神經(jīng)網(wǎng)絡中有效特征的選取                  
 參考文獻                  
                   
 第4篇  神經(jīng)網(wǎng)絡的可靠性及故障診斷                  
 第15章  神經(jīng)網(wǎng)絡的可靠性                  
 15. 1  神經(jīng)網(wǎng)絡功能可靠性的研究方法                  
 15. 2  用多層神經(jīng)網(wǎng)絡形式實現(xiàn)組織自恢復時功能可靠性的研究                  
 15. 3  多層神經(jīng)網(wǎng)絡功能可靠性的研究                  
 15. 4  神經(jīng)網(wǎng)絡參數(shù)可靠性的研究                  
 15. 5  災難性故障發(fā)生時多層神經(jīng)網(wǎng)絡功能可靠性的研究                  
 參考文獻                  
 第16章  神經(jīng)網(wǎng)絡的故障診斷                  
 16. l  神經(jīng)網(wǎng)絡的狀態(tài)圖. 基本概念及定義                  
 16. 2  神經(jīng)網(wǎng)絡中故障定位的算法                  
 16. 3  神經(jīng)元輸出端有邏輯常數(shù)故障時構(gòu)造最少測試點的算法                  
 16. 4  神經(jīng)網(wǎng)絡的自適應故障診斷方法                  
 參考文獻                  
 結(jié)論                  
 參考文獻