神经网络理论
2002-12
清华大学出版社
加卢什金
281
阎平凡
《神经网络理论》从建造高性能计算机的观点出发，讨论了神经网络的作用，详细分析了多层前馈网络的结构设计、学习算法和故障诊断问题。全书共分4篇：第1篇重点讨论前馈网络的各种典型结构；第2篇讨论神经网络学习中的一些理论问题；第3篇研究具体的学习算法；第4篇讨论神经网络的可靠性及故障诊断。《神经网络理论》理论分析深入，并有不少具体实例，每章后面都附有俄罗斯学者在神经网络研究方面的大量文献。 《神经网络理论》可作为从事神经网络研究和应用，以及从事模式识别领域研究的科技工作者的自学参考书，也可作为相关专业研究生的教学参考书。 原书在俄罗斯被推荐为高年级大学生及研究生的教学用书。
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13.53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
