研究生必备的人工神经网络电子书汇总(31本)
人工智能之人工神经网络(PDF 23页)
1第八章人工神经网络吉林大学地面机械仿生技术教育部重点实验室 张锐28.1 神经网络的基本概念及组成特性8.1.1 生物神经元的结构与功能特性从广义上讲，神经网络通常包括生物神经网络与人工神经网络两个方面。
生物神经网络是指由动物的中枢神经系统及周围神经系统所构成的错综复杂的神经网络，它负责对动物肌体各种活动的管理，其中最重要的是脑神经系统。
人工神经网络是指模拟人脑神经系统的结构和功能，运用大量的软、硬件处理单元，经广泛并行互连，由人工方式建立起来的网络系统。
生物神经元就通常说的神经细胞，是构成生物神经系统的最基本单元，简称神经元。
神经元主要由三个部分构成，包括细胞体、轴突和树突，其基本结构如图所示。
1. 生物神经元的结构生物神经元结构吉林大学地面机械仿生技术教育部重点实验室 张锐3从生物控制论的观点来看，作为控制和信息处理基本单元的神经元，具有下列一些功能与特性。
2. 神经元的功能特性（1）时空整合功能神经元对于不同时间通过同一突触传入的信息，具有时间整合功能；对于同一时间通过不同突触传入的信息，具有空间整合功能。
两种功能相互结合，使生物神经元具有时空整合的输入信息处理功能。
（2）神经元的动态极化性尽管不同的神经元在形状及功能上都有明显的不同，但大多数神经元都是以预知的确定方向进行信息流动的。
（3）兴奋与抑制状态神经元具有两种常规工作状态，即兴奋状态与抑制状态。
（4）结构的可塑性突触传递信息的特性是可变的，随着神经冲动传递方式的变化，其传递作用可强可弱，所以神经元之间的连接是柔性的，这称为结构的可塑性。
吉林大学地面机械仿生技术教育部重点实验室 张锐4（5）脉冲与电位信号的转换突触界面具有脉冲与电位信号的转换功能。
（6）突触延期和不应期突触对信息的传递具有时延和不应期，在相邻的两次输入之间需要一定的时间间隔，在此期间，不影响激励，不传递信息，这称为不应期。
（7）学习、遗忘和疲劳由于结构可塑性，突触的传递作用有增强、减弱和饱和，所以，神经细胞也具有相应的学习、遗忘或疲劳效应（饱和效应）。
人工神经网络基础文档资料
<1> 层次型神经网络
（1）前向神经网络 神经元分层排列，顺序连接。由输入层施加输入信息，通过 中间各层，加权后传递到输出层后输出。每层的神经元只接 受前一层神经元的输入，各神经元之间不存在反馈。
32
<1> 层次型神经网络
（2）层内有互联的前向神经网络 在前向神经网络中有 的在同一层中的各神经元相互有连接,通过层内神经元的 相互结合，可以实现同一层内神经元之间的横向抑制或兴 奋机制，这样可以限制每层内能同时动作的神经元数，或 者把每层内的神经元分为若干组，让每组作为一个整体来 动作。
41
<2> 神经网络的学习规则
2、纠错式学习— Delta(δ)学习规则
首先我们考虑一个简单的情况：设某神经网络的输 出层中只有一个神经元i，给该神经网络加上输入，这样 就产生了输出yi(n)，称该输出为实际输出。
对于所加上的输入，我们期望该神经网络的输出为
d(n),称为期望输出或目标输出（样本对里面包含输入和
1949年，心理学家Hebb提出神经系统的学习规则， 为神经网络的学习算法奠定了基础。现在，这个规 则被称为Hebb规则，许多人工神经网络的学习还 遵循这一规则。
3
一 人工神经网络发展
1957年，F.Rosenblatt提出“感知器”(Perceptron) 模型，第 一次把神经网络的研究从纯理论的探讨付诸工程实践，掀 起了人工神经网络研究的第一次高潮。
在互连网络模型中，任意两个神经元之间都可能有相互 连接的关系。其中，有的神经元之间是双向的，有的是单 向的。
Hopfield网络、Boltzman机网络属于这一类。
35
<2> 互联型神经网络
在无反馈的前向网络中，信号一旦通过某个神经元，过 程就结束了。而在互连网络中，信号要在神经元之间反复往 返传递，神经网络处在一种不断改变状态的动态之中。从某 个初始状态开始，经过若干次的变化，才会到达某种平衡状 态，根据神经网络的结构和神经元的特性，还有可能进入周 期振荡或其它如浑沌等平衡状态。
第七章人工神经网络
2003-11-1
高等教育出版社
27
三层前向神经网络
考虑一个三层的前向神经网络，设输入
层层节节点点数数为为nm1。，设中间Yi1为层输节入点层数节为点n2，i的输输出
出；Y
2 j
为中间层节点j的输出；Yk3
为输出
层的权θ点节教值jk为的点师；中阈信kW间的值j号k层为输。；节节出W点点；ij为jjT的和k节为阈节点输值点i出和；k间层节θ的节点k为连点j间输接k的出对权连层应值接节；
y
sgn
Wi Ii
2003-11-1
高等教育出版社
5
人工神经元的形式化描述
人工神经元的数学模型如图所示
x1 x2
… ‥ xn
u育出版社
6
人工神经元的形式化描述（续）
其中ui为第i个神经元的内部状态，θi为神经元 阈值，xj为输入信号，wji表示从第j个神经元到 第i个神经元连接的权值。si表示第i个神经元的 外部输入信号，上述假设可描述为：
ui
f
j
x j wji
si
i
yi gui h
x j wji
si
i
j
hg f
2003-11-1
高等教育出版社
7
常用的神经元状态转移函数
阶跃函数
1 y f (x) 0
x0 x0
准线形函数
1
y f (x) x
0
x 0 x
x0
Sigmoid函数
f
x
1
1 ex
双曲正切函数 f (x)=th (x)
出输入样本的网络预测。有
两个隐层的前向神经网络如
•••
图所示：
人工神经网络入门
目录人工神经网络入门（1）——单层人工神经网络应用示例 (1)人工神经网络入门（1）——单层人工神经网络应用示例。
(1)人工神经网络入门（2）——人工神经基本概念介绍 (5)人工神经网络入门（2）——人工神经基本概念介绍。
(5)人工神经网络入门（3）——多层人工神经网络应用示例 (11)人工神经网络入门（3）——多层人工神经网络应用示例。
(11)人工神经网络入门（4）—— 简介 (16)/2009-04/123886********* 4.html人工神经网络入门（1）——单层人工神经网络应用示例豆豆网技术应用频道 2009年04月05日【字号：小中大】收藏本文关键字：ibatisnet尾递归NVelocity SourceSafe SharpMap本文示例源代码或素材下载1 介绍还记得在2年前刚刚接触RoboCup的时候，从学长口中听说了ANN（人工神经网络），这个东西可神奇了，他能通过学会从而对一些问题进行足够好处理。
就像咱们人一样，可以通过学习，了解新的知识。
但是2年了，一直想学习ANN，但是一直没有成功。
原因很多，其中主要的原因是咱们国内的教程中关于这个技术的介绍过于理论化，以至于我们基础差和自学者望而却步。
现在，我希望通过一个简单的示例，让大家先有一个感性的认识，然后再了解一些相应的理论，从而达到更好的学习效果。
2 范例程序的使用和说明本程序示例2个简单的运算：1 AND运算：就是咱们常用的求和运算，如：1 AND 0 = 12 OR运算：就是咱们常用的求并运算，如：1 OR 0 = 1启动程序后，你将会看到如下的界面：点击“开始训练AND”按钮后，程序就开始训练AND 运算，并在训练结束后提示咱们。
同时界面变成如下：你只需要点击“0 0”按钮，就会在“计算结果”下面显示经过训练以后的ANN计算出来的结果。
如下所示：“计算结果”显示为“1.74E-10”，说明0 AND 0 = 0.这个结果就是我们想要的。
第3章 人工神经网络
图3.1 生物神经元结构
电气与电子工程学院
智能信息处理技术
第3章 人工神经网络
3.1 神 经 网 络 的 基 本 概 念 及 组 成 特 性
2. 神经元的功能特性 （1）时空整合功能。 （2）神经元的动态极化性。 （3）兴奋与抑制状态。 （4）结构的可塑性。 （5）脉冲与电位信号的转换。 （6）突触延期和不应期。 （7）学习、遗忘和疲劳。
1. 生物神经元的结构
神经细胞是构成神经系统的基本单元，称之为生物神经元，简称 神经元。神经元在结构上由四部分构成： （1）细胞体;（2）轴突;（3）树突；（4）突触。 突触是神经元之间相互连接的接口部分，即一个神经元的神经末 梢与另一个神经元的树突相接触的交界面，位于神经元的神经末梢尾 端。突触是轴突的终端。
延搁； (5) 忽略时间整合作用和不应期；
(6) 神经元本身是非时变的，即其突触时延和突触强度
均为常数。
电气与电子工程学院
智能信息处理技术
第3章 人工神经网络
3.1 神 经 网 络 的 基 本 概 念 及 组 成 特 性
x1 ┆ xi ┆ xn
(a)多输入单输出
oj
x1 w1j ┆wij xi ┆wnj xn
i 1
n
ij xi (t )] T j}
(3. 2)
电气与电子工程学院
智能信息处理技术
第3章 人工神经网络
3.1 神 经 网 络 的 基 本 概 念 及 组 成 特 性
n
net j (t )
i 1
wij xi (t )
(3.3)
Wj=(w1 w2 … wn)T X=(x1 x2 … xn)T
○
○ ○ ○ ○ ○
神经网络书籍
神经网络书籍神经网络模型及其matlab仿真程序设计周开利（对神经网络工具箱函数及里面神经网络工具箱的神经网络模型的网络对象及其属性做了详细的论述，后者在神经网络理论与matlab7实现那本书里面是没有的）神经网络理论与matlab7实现（这本书对初学这入门还是挺不错的，看过了，就对matlab神经网络工具箱有教好的了解）神经网络设计（我认为这是一本很好的书，讲理论不是很多，看过之后就会对神经网络的原理有更好的了解）神经网络结构设计的理论与方法（这本书对提高网络的泛化能力的一些方法做了讲述，并且书后有程序，对网络结构的设计应该是挺有帮助的）看几个不用神经网络工具箱的程序，就会加深对神经网络的算法的理解精通matlab6.5 张志涌（这本书也感觉挺不错的）另外如果要用vc做界面的话，看看孙鑫的vc教程，感觉讲的真不错－－－－－－我主要搞软件可靠性工程的研究生，要用到神经网络方面的知识，搜集了一些相关的资料，把清单列下ann.ppt从神经网络的过去谈科学发展观.pdf模糊神经网络的学习算法.NH模糊神经网络理论及其在复杂系统中的应用研究.KDH模糊神经网络研究.NH人工神经网络典型模型的比较研究.pdf人工神经网络理论及其应用.pdf神经网络笔记.doc智能信息处理与神经网络研究.caj智能算法综述.pdfPLC控制系统软件可靠性的神经网络预测.pdf基于覆盖的神经网络集成在语音识别中的应用.pdf神经网络在股票市场预测中的应用.pdf神经网络在自动控制中的应用.pdf现代装备故障诊断研究.pdfBP网络自适应学习率研究.pdf基于BP神经网络的个人信用评估模型.pdf基于BP神经网络的民航安全预测方法研究.pdf基于VB的三层BP网络通用程序设计.pdfBP网络的Matlab实现及应用研究.pdfBP网络应用研究.pdf人工神经网络技术入门讲稿(PDF) .pdfBP神经网络在MATLAB上的方便实现.PDF。
人工神经网络.pdf
y(t )(w(t − 1) ∗ x(t )) > 0 . y(t )(w(t − 1) ∗ x(t )) ≤ 0
（ x (t ) 分错）
控制收敛速度的参数
5.1 感知机
学习算法收敛性：
对线性可分的数据有下面的定理。
定理(Novikoff)：假设训练数据有界 x(i ) ≤ D， 两类样本的最大边界距离(maximal margin)为 2ρ （线性SVM）。则当学习速度参数η = 1 时， 2 次更新就会收敛。 D 感知机学习算法至多做
x2
x1 0 0 1 1
A
B
B
A
x1
5.2 多层感知机
解决XOR问题
x2
A
B
B
A
x1
5.2 多层感知机
两层神经网络解决XOR问题的真值表
第一层
x1 0 0 1 1
x2 0 1 0 1
y1 0 1 1 1
y2 0 0 0 1
第二 层 B(0) A(1) A(1) B(0)
y2
B
BLeabharlann Ay15.2 多层感知机
5.2 多层感知机
例: (XOR问题)
问题的提出以及重要性：
1956-1958年Rosenblatt提出感知机，是为了实现 另一种形式（模拟）的计算机。与数字计算机形 成鲜明对照。 数字计算机是用逻辑门电路实现的。逻辑门电路 的设计：AND, OR, NOT; 实际上，数字计算机的所有逻辑电路都是用XOR 门实现的。
MLPs具有一致逼近能力，因此可以学习这个函 数，也就解决了XOR问题。后面要讲到的RBF网 络也是一致逼近子，也可以解决XOR问题。
人工神经网络
人工神经网络大脑是由约100亿个高度互联的神经元组成的，这些神经元构成一个协同处理的复杂网络结构，即神经网络，成为认知的物质与生理基础。
人工神经网络是模拟大脑构建的计算模型，由大量模拟神经元的处理单元——人工神经元构成，形成一个大规模的非线性自适应系统，拥有学习、记忆、计算以及智能处理能力，可以在一定程度上模拟人脑的信息储存、检索和处理能力。
6.1 感知机6.1.1 感知机模型1957年康奈尔大学的Rosenblatt提出了感知机的概念。
感知机模拟生物神经元，接收一个或者多个输入，处理后输出一个结果。
图6-1是感知机的示意图。
图6-1 感知机示意图感知机可以有一到多个输入，每个输入带有一个权重w，用来表示该输入的i和b构成了感知机的参数集合。
感知机重要程度，每个感知机有一个偏置b，wi计算输入的线性组合(或者叫作预激活)并将其交予激活函数f(a)得到输出y。
激活函数用于模拟生物神经元的激活与非激活状态，通常采用阶梯函数、sigmoid函数和分段线性函数及其变体。
图6-2给出了几种激活函数的定义和图形。
图6-2 几种激活函数6.1.2 感知机学习策略依据训练样本的数据确定wi 和b(不区分的时候统一记为θi)值的过程就是感知机的学习过程，其学习算法基于误差驱动。
首先，将未经学习的θi设置为0或者很小的随机值，然后对训练集中的每个样本进行分类预测，并根据预测结果更新参数值。
参数更新依据式(6-1)进行。
其中是样本j的实际类别;yj (t)是样本j的本次预测类别;xji是样本j的第i个特征;η是控制学习速率的超参数，叫作学习率。
显然，如果预测正确-yj(t)=0，则参数不需要更新，否则更新参数，这种更新规则类似于梯度下降算法。
学习遍历训练集中的每个样本称为一个训练周期(Epoch)。
如果在一个训练周期内对所有样本都分类正确，则模型达到收敛状态，停止训练;否则，进入下一周期，直至模型收敛，或者达到最大训练周期数。
D人工神经网络1
1.1.2 人脑与计算机信息处理机制的比较
人脑与计算机信息处理能力特别是形象思维能力的差异 来源于两者系统结构和信息处理机制的不同，主要体现在以 下4个方面。 1.1.2.1 系统结构 1.1.2.2 信号形式 1.1.2.3 信息存储 1.1.2.4 信息处理机制
人脑中的神经网络是一种高度并行的非线性信息处理系统。其并行性不仅体 现在结构上和信息存储上，而且体现在信息处理的运行过程中。由于人脑采用了 信息存储与信息处理一体化的群体协同并行处理方式，信息的处理受原有存储信 息的影响，处理后的信息又留记在神经元中成为记忆。因而呈现出来的整体信息 处理能力不仅能快速完成各种极复杂的信息识别和处理任务，而且能产生高度复 杂而奇妙的效果。 计算机采用的是有限集中的串行信息处理机制，即所有信息处理都集中在一 个或几个CPU中进行。CPU通过总线同内外存储器或I/O接口进行顺序的“个别对 话”，存取指令或数据。这种机制的时间利用率很低，在处理大量实时信息时不 可避免地会遇到速度“瓶颈”。即使采用多CPU并行工作，也只是在一定发展水 平上缓解瓶颈矛盾。
人脑与计算机信息处理能力特别是形象思维能力的差异 来源于两者系统结构和信息处理机制的不同，主要体现在以 下4个方面。 1.1.2.1 系统结构
人脑在漫长的进化过程中形成了规模宏大，结构精细的群体结构，即 神经网络。脑科学研究结果表明，人脑的神经网络是由数百亿神经元相互 连接组合而成的。每个神经元相当于一个超微型信息处理与存储机构，只 能完成一种基本功能，如兴奋与抑制。而大量神经元广泛连接后形成的神 经网络可进行各种极其复杂的思维活动。 计算机是一种由各种二值逻辑门电路构成的按串行方式工作的逻辑机 器，它出运算器、控制器、存储器和输入输出设备组成。其信息处理是建 立在冯· 诺依曼体系基础上，基于程序存取进行工作的。
《人工神经网络讲》课件
常用于模式分类、预测等静态数据处理任务。
循环神经网络
定义
循环神经网络是一种能够处理序列数据的神经网络，通过记忆单 元实现信息的循环传递。
特点
循环神经网络能够捕捉序列数据中的长期依赖关系，但训练过程 中容易陷入梯度消失或梯度爆炸问题。
应用场景
广泛应用于自然语言处理、语音识别、机器翻译等领域。
03
智能控制
强化学习与神经网络的结合在智能控制领域具有广泛的应用前景，例如
机器人控制、自动驾驶等。通过训练神经网络代理在模拟环境中进行学
习，可以实现高效、安全的智能控制。
深度学习与人工神经网络的结合
深度生成模型
生成模型如变分自编码器（VAE）和生成对抗网络（GAN）可以学习从噪声生成数据的分布，并生成全新的数据样本 。通过结合深度学习和神经网络，可以创建更强大、更灵活的生成模型，用于图像生成、文本生成等领域。
深度神经网络
1 2 3
定义
深度神经网络是指神经网络中包含多个隐藏层的 结构，能够提取更抽象的特征表示。
特点
深度神经网络具有强大的特征学习和分类能力， 但需要大量的训练数据和计算资源，且容易过拟 合。
应用场景
广泛应用于图像识别、语音识别、自然语言处理 等领域。
自组织映射网络
定义
自组织映射网络是一种无监督学 习的神经网络，通过自组织的方 式对输入数据进行降维或聚类。
人工神经网络讲
BIG DATA EMPOWERS TO CREATE A NEW
ERA
• 人工神经网络简介 • 常见的人工神经网络模型 • 人工神经网络的训练方法 • 人工神经网络的应用场景 • 人工神经网络的未来展望
目录
CONTENTS
人工神经网络课件
目录
• 神经网络基本概念 • 前馈神经网络 • 反馈神经网络 • 深度学习基础 • 优化算法与技巧 • 实践应用与案例分析
01 神经网络基本概念
生物神经网络简介
01
02
03
生物神经网络组成
生物神经网络由大量神经 元通过突触连接而成，具 有并行处理、分布式存储 和自学习等特性。
信号传递方式
每次只利用一个样本的梯度信息进行参数更新，计算量小，收敛速度快，但容易受到噪声干扰， 陷入局部最优解。
小批量梯度下降法（Mini-Batch Gradie…
折中方案，每次利用一小批样本的梯度信息进行参数更新，兼具批量梯度下降法和随机梯度下降 法的优点。
正则化方法防止过拟合
L1正则化（Lasso）
01
RNN在自然语言处理领域有广泛应用，如机器翻译、文本生成、情感分析等，同时也可以应用于语音识别 和图像处理等领域。
05 优化算法与技巧
梯度下降法及其改进算法
批量梯度下降法（Batch Gradient Des…
利用整个数据集的梯度信息进行参数更新，计算量大，收敛速度慢，但能找到全局最优解。
随机梯度下降法（Stochastic Gradien…
03 反馈神经网络
反馈神经网络结构
01
02
03
04
神经元之间相互连接，形成反 馈回路。
网络中的每个神经元都接收来 自其他神经元的信号，并产生
输出信号。
输出信号会再次作为输入信号 反馈到网络中，影响其他神经
元的输出。
通过不断调整神经元之间的连 接权重，网络可以学习并适应
不同的输入模式。
Hopfield网络模型与算法
批处理、随机梯度下降等优化策略
人工神经网络ArtificialNeuralNetworks
主要内容
第七章 循环网络 • 循环网络的组织，稳定性分析；相联存储； 统计 Hopfield 网与 Boltzmann 机； Hopfield 网用于解决TSP问题。 • BAM(Bidirectional Associative Memory) 用于实现双联存储；基本双联存储网络的 结构及训练；其他的几种相联存储网络。 • 实验：实现一个Hopfield网。
1.1 人工神经网络的提出
• 作为5种能力综合表现形式的3种能力 –发现、发明、创造、创新的能力 –实时、迅速、合理地应付复杂环境的能 力 –预测、洞察事物发展、变化的能力
2019/2/12
23
1.1 人工神经网络的提出
• 二、人工智能 • 人工智能：研究如何使类似计算机这样的设备去 模拟人类的这些能力。 • 研究人工智能的目的
并行 连续 全局分布
2019/2/12
30
1.1 人工神经网络的提出
• 两种人工智能技术的比较
项目 传统的AI技术 ANN技术 基本实现 串行处理；由程序实现 并行处理；对样本数据进行多目标学习； 方式 控制 通过人工神经元之间的相互作用实现控制 基本开发 设计规则、框架、程序；定义人工神经网络的结构原型，通过样本 方法 用 样 本 数 据 进 行 调 试 数据，依据基本的学习算法完成学习—— （由人根据已知的环境 自动从样本数据中抽取内涵（自动适应应 去构造一个模型） 用环境） 适应领域 精确计算：符号处理， 非精确计算：模拟处理，感觉，大规模数 数值计算 据并行处理 模拟对象 左脑（逻辑思维） 右脑（形象思维）
2019/2/12 36
1.2.1 人工神经网络的概念
• （3） Simpson（1987年） • 人工神经网络是一个非线性的有向图，图 中含有可以通过改变权大小来存放模式的 加权边，并且可以从不完整的或未知的输 入找到模式。
人工神经网络29页PPT
35、不要以为自己成功一次就可以了 ，也不 要以为 过去的 光荣可 以被永 远肯定 。
谢谢
11、越是没有本领的就越加自命不凡。——邓拓 12、越是无能的人，越喜欢挑剔别人的错儿。——爱尔兰 13、知人者智，自知者明。胜人者有力，自胜者强。——老子 14、5、最具挑战性的挑战莫过于提升自我。——迈克尔·F·斯特利
人工神经网络
31、别人笑我太疯癫，我笑他人看不 穿。(名 言网) 32、我不想听失意者的哭泣，抱怨者 的牢骚 ，这是 羊群中 的瘟疫 ，我不 能被它 传染。 我要尽 量避免 绝望， 辛勤耕 耘，忍 受苦楚 。我一 试再试 ，争取 每天的 成功， 避免以 失败收 常在别 人停滞 不前时 ，我继 续拼搏 。
1第8章人工神经网络及其应用硕士091122共184页
Char 8 pp. 8
Char 8 pp. 9
Char 8 pp. 10
第8章 人工神经网络及其应用
8.1 神经元与神经网络
8.2 BP神经网络及其学习算法 8.3 BP神经网络的应用 8.4 Hopfield神经网络及其应用 其他神经网络
Char 8 pp. 11
Char 8 pp. 12
可增强和减弱 。
Char 8 pp. 14
8.1.1 神经元模型
2. 人工神经元模型
（突触）
u1
w i1 （细胞体）
…
f ()
（神经冲动）
yi
un
w in
i （阈值）
-1
人工神经元 i 的模型图
n
n
yi f(wijuj i)f(wijuj)
j1
ቤተ መጻሕፍቲ ባይዱ
j0
(u0 1,wi0 i)
1 x 1
Symmetric Satlins Trans. Func.
（对称饱和线性函数）
Char 8 pp. 19
8.1.1 神经元模型
2. 人工神经元模型
… …
（突触）
u1
w i1 （细胞体）
f ()
（神经冲动）
yi
un
w in
i （阈值）
-1
人工神经元 i 的模型图
y=hardlims(x) 1 x0
Symmetric Hard-Limit Trans. Funct.
（对称硬极限函数）
Char 8 pp. 16
8.1.1 神经元模型
2. 人工神经元模型
非线性激励函数 （传输函数、输出变换函数）
人工神经网络1
2020/4/9
第2章 人工神经网络基础
• 主要内容：
• 认为智能取决于感知和行动，提出智能行为的 “感知－动作”模式。
• 行为主义者认为智能不需要知识、不需要表示、 不需要推理；人工智能可以像人类智能一样逐步 进化(所以称为进化主义)
• 认为符号主义(还包括联结主义)对真实世界客观 事物的描述及其智能行为工作模式是过于简化的 抽象，因而是不能真实地反映客观存在的。
– BN与AN； –拓扑结构； –存储； –训练
• 重点：AN；拓扑结构；训练 • 难点：训练
2020/4/9
第2章 人工神经网络基础
2.1 生物神经网 2.2 人工神经元 2.3 人工神经网络的拓扑特性 2.4 人工神经网络的训练
2020/4/9
1.2 人工神经网络的概念
（2）Simpson：人工神经网络是一个非 线性的有向图，图中含有可以通过改 变权大小来存放模式的加权边，并且 可以从不完整的或未知的输入找到模 式。
➢非线性的有向图 ➢加权边、存放模式 ➢不完整、未知输入的处理
2020/4/9
1.2 人工神经网络的概念
方法
用 样 本 数 据 进 行 调 试 数据，依据基本的学习算法完成学习——
（由人根据已知的环境 自动从样本数据中抽取内涵（自动适应应
去构造一个模型）
用环境）
适应领域 精确计算：符号处理， 非精确计算：模拟处理，感觉，大规模数
数值计算
18第六章 人工神经网络
故有 w1' + w2' = −θ
w1'
−
w2'
−θ
>
0, (如取
1 2
)
− w1'
+
w2'
−θ
>
0, (如取
1 2
)
因此 − 2θ = 1
θ
=
−
1 2
,
w1'
=
w2'
=
1 4
1/4
o1
1
-1
1
x
z Θ=-1/2
1/4 o2 -1
y
从而
z
=
sign(
1 4
sign(− x
+
y
−
1 2
)
+
1 4
sign( x
Sign(x)
1
0
x
-1
1 - 15
计算智能 李翠华 教授, 曲延云 博士
功能函数f
Sigmoid函数模型
th(u/u0) 1
y(t
+ 1)
=
⎧ th⎨
1
[WX
(t)
−θ
]⎬⎫
⎩u0
ห้องสมุดไป่ตู้
⎭
u0
u
-1
这里的f(u) = th(u/u0)称为Sigmoid函数，也称为S型函数，
u0为陡度参数。有时也用下列形式的Sigmoid函数:
A0 (0, 0)
B1 (1, 0) x
1 - 21
计算智能 李翠华 教授, 曲延云 博士
如果用单层感知器(神经元)来模拟，则有
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
研究生必备的人工神经网络电子书汇总（31本）这些都是我从淘宝和百度文库里面搜集到的电子书，需要的可以联系我QQ：415295747，或者登录我的博客/u/17236977421.神经网络在应用科学和工程中的应用——从基础原理到复杂的模式识别5 译者序6 前9 致谢10 作者简介11 目录19 第1章从数据到模型:理解生物学、生态学和自然系统的复杂性和挑战27 第2章神经网络基础和线性数据分析模型72 第3章用于非线性模式识别的神经网络105 第4章神经网对非线性模式的学习166 第5章从数据中抽取可靠模式的神经网络模型的实现205 第6章数据探测、维数约简和特征提取235 第7章使用贝叶斯统计的神经网络模型的不确定性评估276 第8章应用自组织映射的方法发现数据中的未知聚类359 第9章神经网络在时间序列预测中的应用458 附录2.MATLB 神经网络30个案例分析第1章BP神经网络的数据分类——语音特征信号分类23 第2章BP神经网络的非线性系统建模——非线性函数拟合33 第3章遗传算法优化BP神经网络——非线性函数拟合48 第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优57 第5章基于BP_Adsboost的强分类器设计——公司财务预警建模66 第6章PID神经元网络解耦控制算法——多变量系统控制77 第7章RBF网络的回归——非线性函数回归的实现85 第8章GRNN的数据预测——基于广义回归神经网络的货运量预测93 第9章离散Hopfield神经网络的联想记忆——数字识别102 第10章离散Hopfield神经网络的分类——高校科研能力评价112 第11章连续Hopfield神经网络的优化——旅行商问题优化计算124 第12章SVM的数据分类预测——意大利葡萄酒种类识别134 第13章SVM的参数优化——如何更好的提升分类器的性能145 第14章SVM的回归预测分析——上证指数开盘指数预测153 第15章SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测165 第16章自组织竞争网络在模式分类中的应用——患者癌症发病预测171 第17章SOM神经网络的数据分类——柴油机故障诊断182 第18章Elman神经网络的数据预测——电力负荷预测模型研究188 第19章概率神经网络的分类预测——基于PNN的变压器故障诊断195 第20章神经网络变量筛选——基于BP的神经网络变量筛选200 第21章LVQ神经网络的分类——乳腺肿瘤诊断210 第22章LVQ神经网络的预测——人脸朝向识别220 第23章小波神经网络的时间序列预测——短时交通流量预测230 第24章模糊神经网络的预测算法——嘉陵江水质评价241 第25章广义神经网络的聚类算法——网络入侵聚类248 第26章粒子群优化算法的寻优算法——非线性函数极值寻优255 第27章遗传算法优化计算——建模自变量降维270 第28章基于灰色神经网络的预测算法研究——订单需求预测280 第29章基于Kohonen网络的聚类算法——网络入侵聚类289 第30章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类2.MATLAB 神经网络仿真与应用章节信息7 目录15 第1章神经网络概述38 第2章感知神经网络64 第3章自组织竞争神经网络106 第4章BP神经网络143 第5章线性神经网络171 第6章径向基函数神经网络196 第7章反馈神经网络及MA TLAB实现228 第8章神经网络预测与控制273 第9章神经网络优化及故障诊断302 第10章图形用户界面设计334 参考文献4.混合神经网络技术7 目录11 第1章绪论26 第2章基础知识43 第3章BP神经网络70 第4章RBF神经网络84 第5章Hopfield神经网络96 第6章随机神经网络114 第7章遗传神经网络158 第8章粒子群神经网络193 第9章模糊神经网络244 第lO章混沌神经网络293 第11章小波神经网络331 第12章神经网络集成356 附录5.神经网络控制（第三版）7 目录13 第1章绪19 第2章神经网络理论基础63 第3章基于神经网络的系统辨识101 第4章神经网络控制142 第5章遗传算法与神经控制179 附录203 参考文献6.脉冲耦合神经网络与数字图像处理丛书题名：智能科学技术著作丛书主要责任者：马义德主题词：神经网络; 数字图像处理出版者：科学出版社ISBN：978-7-03-022389-0出版地：北京出版日期：200807页数：3047 《智能科学技术著作丛书》序9 前13 目录21 第1章脉冲耦合神经网络50 第2章图像滤波及脉冲噪声滤波器77 第3章脉冲耦合神经网络在图像分割中的应用142 第4章脉冲耦合神经网络与图像编码185 第5章脉冲耦合神经网络与图像增强195 第6章脉冲耦合神经网络与图像融合210 第7章脉冲耦合神经网络与形态学245 第8章脉冲耦合神经网络在特征提取中的应用278 第9章脉冲耦合神经网络与数字图像签名技术292 第10章脉冲耦合神经网络与组合决策优化306 第11章脉冲耦合神经网络和小波变换322 参考文献7.混沌系统的模糊神经网络控制理论与方法主要责任者：谭文; 王耀南主题词：混沌学; 应用; 模糊控制; 神经网络出版者：科学出版社ISBN：978-7-03-021258-0出版地：北京出版日期：200805页数：2364 内容简介5 前7 目录13 第1章绪论37 第2章模糊神经网络控制理论基础70 第3章神经网络在混沌控制中的作用83 第4章基于径向基神经网络的非线性混沌控制99 第5章超混沌系统的模糊滑模控制111 第6章不确定混沌系统的模糊自适应控制120 第7章模糊神经网络在混沌时间序列预测中的应用134 第8章混沌系统的混合遗传神经网络控制150 第9章不确定混沌系统的模糊神经网络自适应控制165 第10章基于动态神经网络的混沌系统控制200 第11章基于线性矩阵不等式方法的混沌系统模糊控制223 第12章基于递归神经网络的不确定混沌系统同步245 结束语8. 智能预测控制及其MATLB 实现（第2版）丛书题名：自动控制技术应用丛书主要责任者：李国勇主题词：人工智能; 预测控制; 计算机辅助计算; 软件包出版者：电子工业出版社ISBN：978-7-121-10147-2出版地：北京出版日期：201001页数：3364 内容简介5 前7 目录13 第一篇神经网络控制及其MA TLAB实现13 第1章神经网络控制理论87 第2章MATLAB神经网络工具箱函数160 第3章基于Simulink的神经网络控制系统175 第二篇模糊逻辑控制及其MATLAB实现175 第4章模糊逻辑控制理论208 第5章MA TLAB模糊逻辑工具箱函数237 第6章模糊神经和模糊聚类及其MA TLAB实现267 第三篇模型预测控制及其MATLAB实现267 第7章模型预测控制理论281 第8章MA TLAB预测控制工具箱函数320 第9章隐式广义预测自校正控制及其MA TLAB实现334 附录A 隐式广义预测自校正控制仿真程序清单341 附录B MA TLAB函数一览表347 附录C MA TLAB函数分类索引349 参考文献9. 基于神经网络的优化设计及应用主要责任者：孙虎儿出版者：国防工业出版社ISBN：978-7-118-06282-3出版地：北京出版日期：200905页数：111目录11 第1章绪论11 1.1 优化设计发展概况20 1.2 信号处理的主要方法22 1.3 正交设计方法25 1.4 基于神经网络的立体正交优化设计概述28 第一篇基拙理论篇28 第2章基于小波变换的信号处理28 2.1 小波变换的源起与发展概述30 2.2 小波分析基础34 2.3 小波分析的工程解释35 2.4 基于小波分析的信号处理38 第3章神经网络结构的确定38 3.1 神经网络综论42 3.2 神经网络的基本原理47 3.3 人工神经网络的建模53 3.4 前馈型神经网络57 第4章正交设计法57 4.1 正交设计法的基本内容60 4.2 正交设计法的基本内容60 4.3 有交互作用的正交设计法63 4.4 方差分析法67 第二篇创新篇67 第5章立体正交表67 5.1 建立立体正交表70 5.2 立体正交表的基本性质71 5.3 立体正交试验的误差分析75 第6章立体正交优化设计75 6.1 立体正交优化设计概述77 6.2 立体正交优化设计的建模基础78 6.3 立体正交优化设计的特点79 6.4 立体正交设计的步骤及实现85 第三篇实践篇85 第7章液压振动筛参数优化设计与试验85 7.1 振动筛基本原理89 7.2 试验台设计91 7.3 模拟试验101 7.4 液压振动筛参数的立体正交优化设计108 第8章液压激振压路机的液压振动系统优化108 8.1 液压激振压路机基本原理110 8.2 液压振动轮的模型试验117 参考文献10.神经网络稳定性理论主要责任者：钟守铭; 刘碧森; 王晓梅; 范小明主题词：人工神经网络; 运动稳定性理论; 高等学校; 教材出版者：科学出版社ISBN：978-7-03-02116-2出版地：北京出版日期：200806页数：289内容简介5 前7 目录11 第1章绪论73 第2章Hopfield型神经网络的稳定性97 第3章细胞神经网络的稳定性150 第4章二阶神经网络的稳定性212 第5章随机神经网络的稳定性243 第6章神经网络的应用291 参考文献11. 神经模糊控制理论及应用丛书题名：自动控制技术应用丛书主要责任者：李国勇主题词：神经网络; 应用; 模糊控制出版者：电子工业出版社ISBN：978-7-121-07537-7出版地：北京出版日期：200901页数：3326 目录10 第一篇神经网络理论及其MA TLAB实现12 第1章神经网络理论77 第2章MATLAB神经网络工具箱191 第3章神经网络控制系统218 第二篇模糊逻辑理论及其MATLAB实现220 第4章模糊逻辑理论258 第5章MA TLAB模糊逻辑工具箱295 第6章模糊神经和模糊聚类及其MA TLAB实现327 附录A MA TLAB程序清单334 附录B MA TLAB函数一览表340 附录C MA TLAB函数分类索引342 参考文献12.时滞递归神经网络主要责任者：王林山主题词：时滞; 递归论; 神经网络出版者：科学出版社ISBN：978-7-03-020533-9出版地：北京出版日期：200804页数：254出版说明9 前言13 目录15 第1章概述29 第2章几类递归神经网络模型44 第3章时滞局域递归神经网络的动力行为116 第4章时滞静态递归神经网络的动力行为154 第5章时滞反应扩散递归神经网络的动力行为214 第6章时滞反应扩散方程的吸引子与波动方程核截面的Hausdorff维数估计244 第7章Ляпунов定理的推广与矩阵微分方程的渐近行为研究265 索引13. 神经网络实用教程丛书题名：普通高等教育“十一五”规划教材主要责任者：张良均; 曹晶; 蒋世忠主题词：人工神经元网络; 高等学校; 教材出版者：机械工业出版社ISBN：978-7-111-23178-3出版地：北京出版日期：200802页数：1840001 7 目录0002 5 前言0003 11 第1章人工神经网络概述0004 19 第2章实用神经网络模型与学习算法0005 83 第3章神经网络优化方法0006 98 第4章nnToolKit神经网络工具包0007 135 第5章MA TLAB混合编程技术0008 175 第6章神经网络混合编程案例0009 181 附录2NDN神经网络建模仿真工具0010 194 参考文献14.细胞神经网络动力学主要责任者：黄立宏; 李雪梅主题词：神经网络; 细胞动力学; 生物数学出版者：科学出版社ISBN：978-7-03-018109-1出版地：北京出版日期：200704页数：3334 内容简介5 前7 目录9 第一章细胞神经网络的模型及基本概念30 第二章基本理论60 第三章细胞神经网络的完全稳定性118 第四章细胞神经网络的全局渐近稳定性和指数稳定性176 第五章细胞神经网络的周期解与概周期解242 第六章细胞神经网络的动力学复杂性285 第七章一维细胞神经网络的动力学性质322 参考文献15. 人工神经网络基础丛书题名：研究生用教材主要责任者：丁士圻; 郭丽华主题词：人工神经元网络出版者：哈尔滨工程大学出版社ISBN：978-7-81133-206-3出版地：哈尔滨出版日期：200803页数：2084 内容简介5 前7 目录9 第1章绪论44 第2章前向多层网络86 第3章Hopfield网络110 第4章波尔兹曼机(BM)网络简介131 第5章自组织特征映射网络(SOFM)163 第6章ART网络197 第7章人工神经网络的软件实践和仿真15.智能控制理论及应用丛书题名：国家精品课程教材主要责任者：师黎; 陈铁军; 等主题词：智能控制出版者：清华大学出版社ISBN：978-7-302-16157-8出版地：北京出版日期：200904页数：408目录17 第1章绪论30 第2章模糊控制91 第3章模糊建模和模糊辨识118 第4章神经网络控制227 第5章模糊神经网络259 第6章专家系统301 第7章遗传算法333 第8章蚁群算法351 第9章DNA计算与基于DNA的软计算389 第10章其他智能控制16. 人工神经网络及其融合应用技术∙丛书题名：智能科学技术著作丛书∙主要责任者：钟珞 ; 饶文碧 ; 邹承明∙主题词：人工神经元网络 ; 研究∙出版者：科学出版社∙ISBN：978-7-03-018325-5∙出版地：北京∙出版日期：200701∙页数：1607 目录13 第1章绪论24 第2章前馈型神经网络47 第3章反馈型神经网络58 第4章自组织型神经网络72 第5章量子神经网络81 第6章神经网络与遗传算法103 第7章神经网络与灰色系统123 第8章神经网络与专家系统139 第9章模糊神经网络159 参考文献164 附录Matlab简介17.智能技术及其应用：邵世煌教授论文集∙主要责任者：丁永生 ; 应浩 ; 等∙主题词：人工智能 ; 文集∙出版者：科学出版社∙ISBN：978-7-03-023230-4∙出版地：北京∙出版日期：200902∙页数：573目录15 治学之路，开拓之道117 解析模糊控制理论：模糊控制系统的结构和稳定性分析127 不同模糊逻辑下模糊控制器的解析结构134 一个基于“类神经元”模型的智能控制系统及其在柔性臂上的应用研究142 交通系统的模糊控制及其神经网络实现149 采用遗传算法学习的神经网络控制器164 一种采用增强式学习的模糊控制系统研究169 基因算法及其在最优搜索上的应用191 DNA计算与软计算199 采用DNA遗传算法优化设计的TS模糊控制系统206 DNA计算研究的现状与展望223 混沌系统的一种自学习模糊控制228 用遗传算法引导混沌轨道405 模糊环境的表示及机器人轨迹规划409 多变地形下机器人路径规划415 一个环境知识的自学习方法444 含有模糊和随机参数的混合机会约束规划模型469 基于规则的模糊离散事件系统建模与控制研究491 基于最优HANKEL范数近似的线性相位IIR滤波器设计507 自适应逆控制的异步电机变频调速系统研究514 带有神经网络估计器的模糊直接转矩控制551 基于移动Agent的数字水印跟踪系统的设计和实现573 采用元胞自动机机理的针织电脑编织系统591 语词计算的广义模糊约束及其传播研究598 后记18.人工神经网络原理及应用∙丛书题名：现代计算机科学技术精品教材∙主要责任者：朱大奇 ; 史慧∙主题词：人工神经元网络∙出版者：科学出版社∙ISBN：7-03-016570-5∙出版地：北京∙出版日期：200603∙页数：218目录12 第1章人工神经网络的基础知识44 第2章BP误差反传神经网络76 第3章Hopfield反馈神经网络104 第4章BAM双向联想记忆神经网络117 第5章CMAC小脑神经网络139 第6章RBF径向基函数神经网络155 第7章SOM自组织特征映射神经网络175 第8章CPN对偶传播神经网络190 第9章ART自适应谐振理论210 第10章量子神经网络19.软计算及其应用要责任者：温显斌; 张桦; 张颖等主题词：电子计算机; 计算方法出版者：科学出版社ISBN：978-7-03-023427-8出版地：北京出版日期：200902页数：189前7 目录11 第1章绪论24 第2章模拟退火算法45 第3章人工神经网络93 第4章遗传算法138 第5章支持向量机162 第6章模糊计算20计算智能与科学配方∙主要责任者：冯天瑾 ; 丁香乾∙其他责任者：杨宁 ; 马琳涛∙主题词：人工智能 ; 神经网络 ; 计算 ; 研究∙出版者：科学出版社∙ISBN：978-7-03-020603-9∙出版地：北京∙出版日期：200801∙页数：272前10 目录16 第一章绪论38 第二章产品配方与感觉品质评估65 第三章神经网络与感觉评估99 第四章知识发现与复杂相关性分析154 第五章模式识别与原料分类187 第六章支持向量机方法214 第七章进化计算配方寻优方法243 第八章计算智能的若干哲理256 第九章人机交互智能配方系统278 参考文献287 致谢21.计算智能与计算电磁学主要责任者：田雨波; 钱鉴主题词：人工智能; 神经网络; 计算; 研究出版者：科学出版社ISBN：978-7-03-021201-6出版地：北京出版日期：200804页数：2337 目录11 第1章绪论19 第2章遗传算法基本原理50 第3章遗传算法电磁应用98 第4章模糊理论基本原理122 第5章神经网络基本原理188 第6章神经网络电磁应用235 附录1 计算智能和计算电磁学相关网站236 附录2 相关程序22.脉冲耦合神经网络原理及其应用丛书题名：智能科学技术著作丛书主要责任者：马义德主题词：神经网络; 理论; 应用出版者：科学出版社ISBN：7-03-016657-4出版地：北京出版日期：200604页数：1826 内容简介9 《智能科字技术著作丛书》库11 前15 目录19 第1章神经网络图像处理技术34 第2章PCNN模型及其应用概述49 第3章PCNN在图像滤波中的应用66 第4章PCNN在图像分割中的应用120 第5章PCNN在图像编码中的应用137 第6章PCNN与图像增强152 第7章PCNN与粗集理论、形态学和小波变换182 第8章PCNN的其他应用23.人工神经网络教程主要责任者：韩力群主题词：人工神经元网络; 研究生; 教材出版者：北京邮电大学出版社ISBN：7-5635-1367-1出版地：北京出版日期：200612页数：3307 序9 目录17 第1章绪论38 第2章人工神经网络建模基础63 第3章感知器神经网络100 第4章自组织竞争神经网络143 第5章径向基函数神经网络162 第6章反馈神经网络192 第7章小脑模型神经网络201 第8章支持向量机218 第9章遗传算法与神经网络进化237 第10章神经网络系统设计与软硬件实现267 第11章人工神经系统281 附录A 常用算法的MA TLAB程序298 附录B 常用神经网络源程序340 附录C 神经网络常用术语英汉对照344 参考文献24.神经网络专家系统主要责任者：冯定主题词：人工神经元网络出版者：科学出版社ISBN：7-03-017734-7出版地：北京出版日期：200609页数：3487 目录11 第1章从专家系统到神经网络专家系统22 第2章神经网络设计75 第3章数据的前后处理94 第4章神经网络专家系统中的模糊数146 第5章基于神经网络的知识表示199 第6章机器学习218 第7章基于神经网络的推理251 参考文献254 附录神经网络源程序25.神经网络新理论与方法主要责任者：张代远主题词：人工神经元网络出版者：清华大学出版社ISBN：7-302-13938-5出版地：北京出版日期：200611页数：1259 目录11 第1章概论17 第2章基本概念24 第3章实神经网络的代数算法44 第4章全局最小值分析51 第5章复数神经网络的代数算法61 第6章样条权函数神经网络及其学习算法124 第7章神经网络的统计灵敏度分析26.人工神经网络算法研究及应用主要责任者：田景文; 高美娟主题词：人工神经元网络; 计算方法; 研究出版者：北京理工大学出版社ISBN：7-5640-0786-9出版地：北京出版日期：200607页数：2837 目录9 第1章绪论32 第2章人工神经网络49 第3章改进遗传算法的径向基函数网络方法研究及应用95 第4章小波变换及小波神经网络方法研究及应用140 第5章模糊神经网络方法研究及应用189 第6章改进的模拟退火人工神经网络方法研究及应用235 第7章支持向量机方法研究及应用278 第8章结论281 参考文献27.神经计算与生长自组织网络主要责任者：程国建主题词：人工神经元网络; 计算; 自组织系统出版者：西安交通大学出版社ISBN：978-7-5605-2979-0出版地：西安出版日期：200810页数：242内容简介5 作者简介7 前17 目录23 第1章神经计算概述37 第2章人工神经网络的基本结构及其特性56 第3章神经感知器69 第4章自适应线性元件87 第5章多层前馈神经网络105 第6章径向基函数网络118 第7章古典生长型神经网络135 第8章生长型自组织神经网络158 第9章生长神经元结构及其变种182 第10章外生长型神经元结构206 第11章多生长神经元结构230 第12章双生长神经气网络252 参考文献28.神经计算原理丛书题名：计算机科学丛书主要责任者：（美）科斯塔尼克其他责任者：叶世伟; 王海娟主题词：突然南宫神经元网络; 计算出版者：机械工业出版社ISBN：978-7-111-20637-8出版地：北京出版日期：200705页数：491出版者的话7 专家指导委员会8 译者序9 前12 致谢13 重要符号和算符17 重要缩写词20 目录25 第一部分神经计算的基本概念和部分神经网络体系结构及其学习规则25 第1章神经计算概述40 第2章神经计算的基本概念95 第3章映射网络144 第4章自组织网络168 第5章递归网络和时间前馈网络201 第二部分神经计算的应用201 第6章用神经网络解决最优化问题238 第7章用神经网络解决矩阵代数问题275 第8章使用神经网络求解线性代数方程组318 第9章使用神经网络的统计方法372 第10章使用神经网络进行辨识、控制和枯计435 附录A 神经计算的数学基础497 主题索引29. 人工神经网络与模拟进化计算主要责任者：阎平凡主题词：人工神经元网络; 计算出版者：清华大学出版社ISBN：7-302-10663-0出版地：北京出版日期：200509页数：639出版说明9 前11 第一版前15 目录27 第1章绪论37 第2章前馈网络77 第3章径向基函数网络112 第4章学习理论与网络结构选择166 第5章核方法与支持向量机210 第6章自组织系统(Ⅰ)236 第7章自组织系统(Ⅱ)271 第8章自组织系统(Ⅲ)302 第9章动态信号与系统的处理361 第10章多神经网络集成386 第11章反馈网络与联想存储器424 第12章神经网络用于优化计算441 第13章神经网络中的动力学问题463 第14章误差函数与参数优化方法487 第15章贝叶斯方法505 第16章神经网络在信号处理中的应用552 第17章进化计算概论与进化策略575 第18章遗传算法及其理论分析596 第19章遗传算法的设计与实现619 第20章遗传算法在神经网络中的应用626 第21章遗传算法在作业调度中的应用636 第22章分布估计算法660 索引30.人工神经网络与盲信号处理主要责任者：杨行竣; 郑君里主题词：人工神经元网络; 信号处理; 应用; 人工神经元网络出版者：清华大学出版社ISBN：7-302-05880-6出版地：北京出版日期：200301页数：3997 目录11 第1章绪论33 第2章前向多层神经网络与递归神经网络123 第3章自组织神经网络163 第4章Hopfield神经网络244 第5章模糊神经网络311 第6章遗传算法及其在人工神经网络中的应用337 第7章盲信号处理31.人工神经网络理论、设计及应用（第二版）主要责任者：韩力群主题词：人工神经元网络; 高等学校; 教材出版者：化学工业出版社ISBN：978-7-5025-9523-4出版地：北京出版日期：2000709页数：2437 前9 目录15 1 绪论34 2 神经网络基础知识52 3 监督学习神经网络85 4 竞争学习神经网络121 5 组合学习神经网络133 6 反馈神经网络168 7 小脑模型神经网络178 8 基于数学原理的神经网络207 9 神经网络的系统设计与软件实现220 10 神经网络研究展望223 附录1 常用神经网络C语言源程序254 附录2 神经网络常用术语英汉对照256 参考文献。