神经网络理论

引言

第1篇 神经网络的结构

第1章 从布尔元件的逻辑基础向阈值逻辑基础的过渡

1. 1 线性阈值单元（神经元）

1. 2 多阈值逻辑

1. 3 连续逻辑

1. 4 激活函数的形式

参考文献

第2章 神经网络结构的定性分析

2. l 神经网络结构的几种形式

2. 2 有顺序前向连接的多层网络

2. 3 多层网络的结构及其符号表示

参考文献

第3章 有跨越连接的多层网络结构的优化

3. 1 关于问题复杂性的准则

3. 2 有跨越连接的一维输人网络的方案

3. 3 类区数上限与下限的估计

3. 4 结构优化问题的一些特例

3. 5 根据某种拓扑特性进行的网络结构的优化

3. 6 有几个输出值的网络结构的优化

参考文献

第4章 连续神经网络

4. 1 输人特征为连续的神经元

4. 2 取连续值的层中神经元

4. 3 有离散特征的连续神经元层

4. 4 神经元的连续模型的分类

参考文献

第2篇 神经网路的最优模型

第5章 神经网络输入信号特性的研究

5. 1 问题的提出

5. 2 有两类样本时输人信号的联合概率分布

5. 3 有K类样本时输人信号的联合概率分布

参考文献

第6章 建造神经网络的最优模型

6. 1 最优模型的一般结构

6. 2 典型神经网络分界面的解析表达

6. 3 多维 E（n）及y（n）时的最优模型

6. 4 自学习状态下神经网络输人信号的先验信息

6. 5 自学习状态下网络的一次优化准则

6. 6 在有任意技术等级的教师和自学习状态下网络的最优模型

参考文献

第7章 开环神经网络的分析

7. 1 神经网络的模拟量和离散量误差的分布规律

7. 2 二次优化泛函的选择

7. 3 系统"Adline"中二次优化泛函的选择

7. 4 对应给定一次优化准则二次优化准则的形成

7. 5 连续型神经网络

7. 6 在有任意技术等级的教师和自学习状态下的神经网络

参考文献

第8章 多变量函数极值的搜索算法

8. 1 多层神经网络二次优化泛函极值的搜索过程

8. 2 有关多变量函数迭代搜索法的分析

8. 3 随机逼近法

8. 4 对变量有等式约束的多变量函数极值进行搜索的迭代方法

8. 5 变量有不等式约束时多变量函数寻优的迭代法

8. 6 多变量函数的局部和全局最优点的随机搜索算法

8. 7 使用二次优化泛函的二阶导数估计值的自适应算法

参考文献

第3篇 自适应神经网络

第9章 神经网络的调整算法

9. 1 问题的提出

9. 2 有二值及连续输出的神经元

9. 3 两层网络

9. 4 由连续输出神经元构成的多层网络

9. 5 变量存在约束的闭环调整的神经网络的构造

9. 6 有二值输出的网络的一次优化准则的实现

9. 7 有连续输人和几种输出神经网络中平均风险最小化的实现

9. 8 有N*个输出通道的神经网络中平均风险最小化的实现

9. 9 多层神经网络中平均风险最小化的实现

9. 10 输人为非平稳样本时闭环神经网络的构造

9. 11 带跨越或反馈连接的闭环调整的神经网络的构造

9. 12 自学习与有任意技术等级教师的闭环神经网络

9. 13 二次优化泛函的二阶导数的估计

参考文献

第10章 连续型神经网络的调整

10. 1 有连续特征的网络的调整

10. 2 层中神经元为连续时权值的调整

10. 3 连续神经元层网络的学习过程中参数矩阵的选取

10. 4 有连续特征并基于给定随机样本时参数K*（i, j）的选择

10. 5 连续两层网络调整算法的特点

10. 6 连续神经元层权函数的3种实现方案及相应的学习过程

10. 7 两层连续神经网络中使用二次优化泛函a2g的学习算法

10. 8 有分段常数权函数的连续神经元层

10. 9 带分段线性权函数的连续神经元层

10. 10 带分段常数权函数的连续神经元层的网络

参考文献

第11章 调整神经网络时初值的选择及多层网络的典型输入信号

11. 1 初始条件的选择方法

11. 2 确定性选择初值的算法

11. 3 多层神经网络中初始条件的选择

11. 4 多层神经网络的典型输人信号

参考文献

第12章 闭环多层神经网络的研究

12. 1 闭环调整的多层神经网络设计问题的提出

12. 2 输人信号是多峰分布时神经元特性的研究

12. 3 识别非平稳样本的神经网络的动态研究

12. 4 学习状态下三层神经网络的动态研究

12. 5 有反馈网络的一些特例的研究

12. 6 自学习状态下单层神经网络的动态研究

12. 7 自学习状态下的两层神经网络

12. 8 闭环多层神经网络调整算法中一些有关参数矩阵选择的工程方法

12. 9 用于解决矩阵变换问题的多层神经网络的构造

12. 10 用于把二进制数转换为十进制数的多层神经网络

12. 11 有任意教师等级的多层网络的研究

12. 12 对闭环调整的神经网络进行研究的解析方法

参考文献

第13章 可变结构多层神经网络的设计

13. l 第1层神经元的顺序学习算法

13. 2 使用随机法搜索局部及全局极值的多层神经网络中第1层神经元的学习算法

13. 3 超平面数增多时有关算法收敛性的分析

13. 4 两层神经网络中第2层神经元的学习

13. 5 3层神经网络中第2层和第3层神经元的学习

13. 6 对多层神经网络做依次调整的一般方法

13. 7 有连续特征的多层神经网络中第1层神经元的学习方法

13. 8 用调整变结构多层神经网络的方法解决初始条件的选择问题

13. 9 变结构多层神经网络的自学习算法

参考文献

第14章 多层神经网络中有效特征的选择

14. 1 学习状态下特征选择问题的提出

14. 2 固定结构的多层神经网络中特征提取的结构方法

14. 3 用于选择有效特征的第1层神经元顺次调整的多层神经网络

14. 4 神经元数的最少化

14. 5 自学习状态下多层神经网络中有效特征的选取

参考文献

第4篇 神经网络的可靠性及故障诊断

第15章 神经网络的可靠性

15. 1 神经网络功能可靠性的研究方法

15. 2 用多层神经网络形式实现组织自恢复时功能可靠性的研究

15. 3 多层神经网络功能可靠性的研究

15. 4 神经网络参数可靠性的研究

15. 5 灾难性故障发生时多层神经网络功能可靠性的研究

参考文献

第16章 神经网络的故障诊断

16. l 神经网络的状态图. 基本概念及定义

16. 2 神经网络中故障定位的算法

16. 3 神经元输出端有逻辑常数故障时构造最少测试点的算法

16. 4 神经网络的自适应故障诊断方法

参考文献

结论

参考文献