- 作 者：（美）A.N.米歇尔（Anthony N. Michel），刘德荣著；张化光等译
- 出 版 社：北京：科学出版社
- 出版年份：2004
- ISBN：7030130170
- 标注页数：298 页
- PDF页数：310 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源310 ≥298页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
目录 1
译者的话 1
前言 1
第一章 绪论 1
1.1 本书的研究内容 2
1.2 一些神经网络模型 3
1.3 模拟Hopfield神经网络的定性分析：全局结果 5
1.4 工作于闭超立方体上的线性系统的稳定性分析 7
1.5 Hopfield神经网络的定性分析：局部结果 8
1.6 参数摄动的定性影响 10
1.7 时间延迟的定性影响 12
1.8 联想记忆的一些综合方法 14
1.9 互连约束的影响 16
参考文献 16
第二章 一些神经网络的模型 20
2.1 引言 20
2.2 模拟Hopfield神经网络模型 24
2.3 离散Hopfield神经网络模型 27
2.4 Hopfield模型的广义形式 29
2.5 具有无限增益放大器的模拟Hopfield神经网络 30
2.6 工作于闭超立方体上的线性系统 32
2.7 小结 36
2.8 附注 39
参考文献 39
3.1 广义模拟Hopfield神经网络模型：系统（L） 43
第三章 模拟Hopfield神经网络的定性分析：全局结果 43
3.2 符号说明及预备知识 44
3.3 广义Hopfield模型的假设 46
3.4 广义Hopfield模型的主要结果 49
3.5 带有无限增益放大器的模拟Hopfield神经网络模型：系统（N） 53
3.6 系统（N）的解的定义及其性质 54
3.7 系统（N）的平衡点及输出向量的定性特性 61
3.8 基于能量函数的系统（N）的定性分析 63
3.9 小结 69
3.10 附注 70
参考文献 71
第四章 工作于闭超立方体上的线性系统的稳定性分析：系统（M） 72
4.1 工作于闭超立方体上的线性连续系统（M） 72
4.3 系统（M）的解的定义及特性 73
4.2 符号说明 73
4.4 系统（M）的平衡点的定性特性 76
4.5 基于能量函数的系统（M）的定性分析 80
4.6 工作于闭超立方体上的线性离散系统 81
4.7 工作于闭超立方体上的线性连续系统的全局渐近稳定性 90
4.8 工作于闭超立方体上的线性离散系统的全局渐近稳定性 96
4.9 小结 100
4.10 附注 101
参考文献 102
第五章 Hopfield神经网络的定性分析：局部结果 104
5.1 符号说明 104
5.2 背景资料 105
5.3 被视为互连系统的模拟Hopfield模型 106
5.4 单个神经元子系统的稳定性分析 109
5.5 模拟Hopfield神经网络模型的定性分析：局部结果 112
5.6 同步离散Hopfield神经网络的分析 129
5.7 具有饱和非线性激活函数的模拟Hopfield神经网络的分析 136
5.8 小结 141
5.9 附注 143
参考文献 144
第六章 参数摄动的定性影响 146
6.1 引言 146
6.2 符号说明 147
6.3 鲁棒稳定性：具有固定平衡点的摄动系统 148
6.4 鲁棒稳定性：具有摄动平衡点的摄动系统 150
6.5 具有Sigmoid激活函数神经网络的分析 156
6.6 具有硬限幅器型激活函数神经网络的分析 162
6.7 小结 166
6.8 附注 168
参考文献 168
第七章 时间延迟的定性影响 170
7.1 引言 170
7.2 预备知识（Hopfield神经网络） 172
7.3 延迟Hopfield神经网络的全局稳定性 174
7.4 延迟Hopfield神经网络的局部稳定结果 179
7.5 Hopfield神经网络的一个例子 182
7.6 预备知识（Cohen-Grossberg神经网络） 183
7.7 多延迟Cohen-Grossberg神经网络的全局稳定性 185
7.8 多延迟Cohen-Grossberg神经网络局部稳定结果 191
7.9 具有任意有界延迟的非线性系统 194
7.10 具有固定有界延迟的非线性系统 198
7.11 具有非对称互连结构延时神经网络的稳定性分析 205
7.12 延时神经网络的鲁棒稳定性分析 210
7.13 示例 211
7.14 小结 213
7.15 附注 217
参考文献 218
第八章 联想记忆的一些综合方法 221
8.1 引言：外积法与投影学习规则 221
8.2 投影学习规则的一些扩展 225
8.3 特征结构法 228
8.4 特征结构法的一些扩展 233
8.5 基于感知器训练算法的递归神经网络的综合 236
8.6 基于感知器训练算法的一些扩展 245
8.7 示例 249
8.8 小结 263
8.9 附注 266
参考文献 267
第九章 互连约束的影响 269
9.1 引言 269
9.2 稀疏互连神经网络综合的特征结构法 270
9.3 稀疏互连神经网络综合的基于感知器的训练算法 275
9.4 实现联想记忆的细胞神经网络的综合 276
9.5 示例 283
9.6 小结 295
9.7 附注 296
参考文献 297