神經計算與生長自組織網絡（簡體書）

; 本書分前後兩個部分。前一部分主要討論神經計算的基本概念原理及 幾個主要的神經網絡模型。包括神經計算概述、人工神經網絡的基本結構 及其特性、神經感知器、自適應線性元件、多層前饋神經網絡、徑向基函 數網絡等。後一部分是作者在德國圖賓根大學攻讀博士學位期間及近來的 一些研究成果。具體內容包括古典變拓撲神經網絡、自組織變拓撲神經網 絡、生長神經元結構及其變種、外生長型神經元結構、多生長神經元結構 、雙生長神經氣網絡等。 全書內容取材新穎，主題專一，深入淺出，注重算法的理論依據、應 用思路及應用效果，體現了國內外在該領域的最新研究成果。本書可作為 從事計算智能、機器學習、模式識別、數據挖掘、信息可視化等研究的科 研人員的參考資料，也可作為高等院校相關專業的教師、碩士研究生及博 士研究生的專業參考書。

第1章 神經計算概述 1.1 神經計算的基本原理與發展簡史 1.2 神經計算的生物學機理 1.2.1 生物神經元及其結構 1.2.2 人工神經網絡的定義 1.2.3 人工神經網絡究竟可以做什么 1.3 人工神經網絡的典型特征 1.4 人工神經網絡模型 1.5 人工神經網絡的學習規則 第2章 人工神經網絡的基本結構及其特性 2.1 生物神經元的抽象模型 2.2 人工神經元模型 2.3 激勵函數類型 2.4 神經元的層次排列 2.5 多層前向神經網絡 2.6 神經網絡的靜態系統與動態系統 2.6.1 連續時間動態系統 2.6.2 離散時間動態系統 2.6.3 一個連續時間正弦信號發生器 2.6.4 一個離散時間正弦信號發生器 2.7 神經網絡的學習過程 第3章 神經感知器 3.1 感知器的數學模型 3.2 感知器作為模式分類器 3.3 具有三個突觸的感知器實例 3.4 感知器的權值選擇 3.5 感知器學習規則 3.6 一個修正的感知器學習規則 3.7 平面與立方體相交的一個二維實例 第4章 自適應線性元件 4.1 自適應線性元件概述 4.2 對一個戶變量函數的線性逼近 4.3 最陡梯度下降法 4.4 LMS學習規則 4.5 序貫遞歸算法 第5章 多層前饋神經網絡 5.1 多層前饋神經網絡概述 5.2 多層感知器 5.3 誤差的反向傳播 5.4 單隱層感知器的BP算法 5.4.1 輸出層計算 5.4.2 隱層計算 5.5 MLP的一個圖像編碼應用實例 第6章 徑向基函數網絡 6.1 徑向基函數網絡概述 6.2 RBF網絡的基本理論 6.3 RBF網絡結構 6.4 RBF網絡的學習算法 6.5 RBF神經網絡小結 第7章 古典生長型神經網絡 7.1 引言 7.2 離散型生長神經網絡 7.2.1 堆砌式網絡 7.2.2 寶塔式網絡 7.2.3 爆發式網絡 7.3 連續型生長神經網絡 7.3.1 約束庫倫能量網絡 7.3.2 級聯神經網絡 7.3.3 資源配置網絡 7.4 小結 7.5 附注——Pocket算法 第8章 生長型自組織神經網絡 8.1 競爭學習律 8.2 自組織映射網絡 8.2.1 自組織映射網絡之拓撲 8.2.2 自組織映射網絡學習算法 8.3 其他自組織映射模型 8.3.1 學習矢量量化 8.3.2 動態學習矢量量化 8.3.3 內插型自組織映射 8.4 生長自組織映射網絡 8.4.1 自組織表面 8.4.2 演化自組織映射 8.4.3 增量式網格生長 8.4.4 生長層次自組織映射 第9章 生長神經元結構及其變種 9.1 引言 9.2 生長神經元模型 9.2.1 GCS網絡拓撲 9.2.2 GCS學習算法 9.2.3 監督學習生長神經元結構 9.3 動態神經元結構 9.3.1 動態神經元結構機理 9.3.2 動態神經元結構算法描述 9.3.3 討論 9.4 樹型生長神經元結構 9.4.1 TreeGCS網絡拓撲 9.4.2 TreeGCS算法描述 9.4.3 討論 9.5 概率生長神經元結構 9.5.1 數學背景 9.5.2 PGCS算法描述 9.5.3 討論 9.6 附注——Voronoi棋盤及Delaunay三角形剖分 第10章 外生長型神經元結構 10.1 引言 10.2 外生長神經元結構機理 10.2.1 EGCS的凸權外長 10.2.2 EGCS的凹權外長 10.2.3 外生長神經元結構的兩個變種 10.3 外生長神經元結構的監督學習 10.4 二維外生長神經元結構監督學習算法描述 10.5 對EGCS的測試 10.5.1 測試1——雙螺旋問題 10.5.2 測試2——基于聲納的巖石分類 10.6 對化學氣體傳感器的數據評價 10.6.1 咖啡品牌識別 10.6.2 甲苯、辛烷、丙醇及其混合物濃度預測 10.7 小結 第11章 多生長神經元結構 11.1 引言 11.2 多生長神經元結構機理 11.2.1 多生長神經元結構的監督學習 11.2.2 Voronoi域的計算 11.3 二維監督型多生長神經元結構算法描述 11.4 對多生長神經元結構的測試 11.4.1 測試1——雙螺旋問題 11.4.2 測試2——基于聲納的巖石分類 11.5 用多生長神經元結構求解模式識別問題 11.5.1 玻璃鑒別問題 11.5.2 馬病診斷問題 11.5.3 大豆病蟲害識別 11.5.4 信用卡認定預測 第12章 雙生長神經氣網絡 12.1 神經氣網絡 12.2 生長神經氣算法 12.2.1 生長神經氣網絡拓撲 12.2.2 生長神經氣學習算法 12.2.3 生長神經氣網絡主要特征 12.3 雙生長神經氣網絡 12.3.1 雙生長神經氣機理 12.3.2 雙生長神經氣的監督學習 12.4 二維監督生長神經氣算法描述 12.5 雙生長神經氣網絡測試 12.6 雙生長神經氣用于疾病診斷 12.6.1 Wisco
in乳腺癌診斷 12.6.2 大豆病蟲害鑒別問題 12.7 附注——競爭Hebb學習 參考文獻