现代神经网络应用

1.1 概述 1

1.2 动机 1

第一章 前言 1

1.3 回顾 2

1.4 生物神经元 2

2.1 概述 2

1.5 人工神经元 3

1.6 神经网络 4

1.7 工具箱 5

1.8 选择正确的算法 16

第二章 神经网络基础 22

2.2 简介 22

2.4 ANS的概念 23

2.3 何为“艰难”问题 23

2.5 ANS实现 25

2.6 应用 27

2.7 人工神经系统展望 30

第三章 在变化的环境中使用自适应网络进行资源分配 31

3.1 概述 31

3.2 简介 31

3.3 BANKET 33

3.4 航空收入管理 34

3.5 航空市场专家（AMT） 35

3.6 规划及任务管理 37

3.7 自适应网络空勤组训练调度程序（ANATS） 37

3.8 结论 38

第四章 保险业中的医疗风险评估 41

4.1 概述 41

4.2 简介 41

4.3 用于分类问题的神经网络模型 44

4.4 分类网络的结构 46

4.5 互连专家系统环境 48

4.6 结论 51

第五章 用神经计算模拟化学处理系统 54

5.1 概述 54

5.2 简介 54

5.3 反向传播网络 55

5.4 稳态例子 56

5.5 动力学实例 58

5.6 解释生物传感器数据 61

5.7 结论 64

第六章 神经网络在机器人学方面的应用 66

6.1 概述 66

6.2 简介 66

6.3 机器人学中的逆运动学问题 66

6.4 用分级神经网络学习机器人动力学特点 69

第七章 神经网络在计算机视觉系统上的应用 74

7.1 概述 74

7.2 简介 74

7.3 视觉的生物神经网络 74

7.4 人工神经网络 77

7.5 Kohonen网络 79

7.6 误差反传 82

7.7 特征提取 83

7.8 同统计分类器的对比 85

7.9 应用概述及结论 86

第八章 用神经网络划分图象 89

8.1 概述 89

8.2 简介 89

8.3 网络 90

8.4 实现 91

8.5 结果 93

8.6 结论 95

9.2 简介 98

9.1 概述 98

第九章 最优化神经网络在对象识别中的应用 98

9.3 测量神经网络中的信息流——条件类熵 99

9.4 化为通用的西哥蒙德激励函数 101

9.5 建造最优神经网络的监督算法——最小化条件类熵 101

9.6 二元模式中的对称轴移动不变性识别 103

9.7 人脸的探测 104

9.8 结论 107

第十章 用反向传播网络识别手写数字 110

10.1 概述 110

10.2 简介 110

10.3 邮政编码识别 110

10.4 预处理 111

10.5 网络 112

10.6 结果 114

10.7 结论 114

第十一章 用于不变性模式识别的高阶神经网络 117

11.1 概述 117

11.2 简介 117

11.3 不变性“动态”联想记忆 117

11.4 Hopfield网络和自联想感知器的不变性联想记忆特点 118

11.5 使用Hopfield网络和自联想感知器进行数字识别 120

11.6 在改善吸引凹陷方面图象模糊的作用 122

11.7 使用高阶网络进行不变性模式识别 125

11.8 使用矩法进行不变性模式识别 128

11.9 使用三阶网络和Zernike矩分类器识别数字 129

11.10 结论 133

第十二章 电子仿生视网膜及展望 137

12.1 概述 137

12.2 简介 137

12.3 视网膜 138

12.4 基视觉皮层 143

12.5 仿生处理 144

12.6 结论 145

第十三章 结论 147

13.1 发展趋势 147

13.2 温和派、荒涎派及嘲讽派 148

13.3 应用领域 149

13.4 展望 152

附录 词汇 159