過程神經元網絡(簡體書)

本書是在作者近10年來對過程神經元網絡研究基礎上形成的一部專著。過程神經元網絡是作者提出的一種新型神經元網絡，其輸入和輸出可以是時變過程或時變函數、多元函數乃至是抽象距離空間中的“點”，對輸入的加工包括多元聚合和累積，特別是空間聚合和時間累積。全書共分9章，從引進過程神經元觀念開始，逐步深入地介紹各種過程神經元網絡，包括網絡結構、學習算法、相關理論、網絡設計和構建方法以及應用實例等。相關理論包括泛函逼近定理、網絡性質和計算能力等；應用領域包括過程建模、系統辨識、過程控制、聚類分類、過程優化、預測預報、評估決策以及宏觀控制等。
本書可作為高等學校計算機科學與技術、電子信息、自動控制等相關專業高年級學生和研究生課程的參考用書，也可作為從事智能信息處理等相關領域研究人員的參考書。

第1章　緒論
1.1　人工智能的發展
1.2　人工智能系統的特征
1.3　計算智能
1.3.1　模糊計算
1.3.2　神經計算
1.3.3　進化計算
1.3.4　三個“分支”的結合
1.4　過程神經元網絡
第2章　人工神經元網絡
2.1　生物神經元
2.2　神經元的數學模型
2.3　前饋/反饋神經元網絡
2.3.1　前饋/反饋神經元網絡模型
2.3.2　前饋神經元網絡的函數逼近能力
2.3.3　前饋神經元網絡的計算能力
2.3.4　前饋神經元網絡的學習算法
2.3.5　前饋神經元網絡的泛化問題
2.3.6　前饋神經元網絡的應用’
2.4　模糊神經元網絡
2.4.1　模糊神經元
2.4.2　模糊神經元網絡
2.5　非線性聚合人工神經元網絡
2.5.1　分式聚合人工神經元網絡
2.5.2　極大（或極小）聚合人工神經元網絡
2.5.3　其他非線性聚合人工神經元網絡
2.6　時空聚合與過程神經元網絡
2.7　人工神經元網絡的歸類
第3章　過程神經元
3.1　生物神經元的啟示
3.2　過程神經元的定義
3.3　過程神經元與泛函
3.4　模糊過程神經元
3.4.1　過程神經元的模糊化
3.4.2 由模糊加權推理規則構造的模糊過程神經元
3.5　過程神經元與復合函數
第4章　前饋過程神經元網絡
4.1　前饋過程神經元網絡的一種簡單模型
4.2　前饋過程神經元網絡的一般模型
4.3　基于權函數基展開的過程神經元網絡模型
4.4　前饋過程神經元網絡的基本定理
4.4.1　解的存在性
4.4.2　連續性
4.4.3　泛函逼近性質
4.4.4　計算能力
4.5　分式前饋過程神經元網絡
4.5.1　分式過程神經元
4.5.2　分式過程神經元網絡模型
4.6　輸入與輸出均為時變函數的過程神經元網絡
4.6.1 網絡結構
4.6.2　模型的連續性與逼近能力
4.7　連續過程神經元網絡
4.7.1　連續過程神經元
4.7.2　連續過程神經元網絡模型
4.7.3　模型的連續性、逼近能力和計算能力
4.8　泛函神經元網絡
4.8.1　泛函神經元
4.8.2　前饋泛函神經元網絡模型
4.9　結束語
第5章　過程神經元網絡的學習算法
5.1 基于梯度下降和牛頓法下降的學習算法
5.1.1　基于梯度下降的一般學習算法
5.1.2　基于梯度一牛頓法結合的學習算法
5.1.3　基于牛頓下山法的學習算法
　……
第6章 反饋過程神經元網絡
第7章 多聚合過程神經元網絡
第8章 過程神經元網絡的設計和構建
第9章 過程神經元網絡的應用
參考文獻