神經(jīng)網(wǎng)絡(luò)導(dǎo)論

前言 第1章 緒論 1．1 神經(jīng)網(wǎng)絡(luò)簡介 1．1．1 神經(jīng)網(wǎng)絡(luò)的概念 1．1．2 神經(jīng)網(wǎng)絡(luò)的發(fā)展 1．1．3 神經(jīng)網(wǎng)絡(luò)的優(yōu)點 1．1．4 人工神經(jīng)元模型 1．1．5 神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu) 1．2 微分方程穩(wěn)定性理論基礎(chǔ) 1．2．1 微分方程的基本知識 1．2．2 微分、積分不等式 1．2．3 Lyapunov函數(shù)相關(guān)定義和定理 1．2．4 穩(wěn)定性的基本定義和定理 1．2．5 Lyapunov直接法的基本定理 1．2．6 構(gòu)造Lyapunov函數(shù)的基本方法 第2章 神經(jīng)網(wǎng)絡(luò)基本模型 2．1 M-P模型 2．1．1 MP模型的概念 2．1．2 標準M-P模型 2．1．3 時延M-P模型 2．1．4 改進的M-P模型 2．2 感知器模型 2．2．1 問題背景 2．2．2 感知器的概念 2．2．3 單層感知器神經(jīng)元模型 2．2．4 單層感知器工作原理 2．2．5 單層感知器用于模式識別 2．2．6 多層感知器神經(jīng)元 2．2．7 感知器的學習規(guī)則 2．2．8 感知器的局限性 2．2．9 本節(jié)小結(jié) 2．3 自適應(yīng)線性神經(jīng)元模型 2．3．1 線性神經(jīng)網(wǎng)絡(luò)模型 2．3．2 線性神經(jīng)網(wǎng)絡(luò)的學習 2．3．3 線性神經(jīng)網(wǎng)絡(luò)的MATLAB仿真程序設(shè)計 2．4 BP神經(jīng)網(wǎng)絡(luò)模型 2．4．1 BP神經(jīng)元及BP網(wǎng)絡(luò)模型 2．4．2 BP網(wǎng)絡(luò)的學習 2．4．3 BP網(wǎng)絡(luò)學習算法 2．4．4 理論與實例 2．4．5 BP網(wǎng)絡(luò)的局限性 2．4．6 BP網(wǎng)絡(luò)的MATLAB仿真程序設(shè)計 2．4．7 BP網(wǎng)絡(luò)應(yīng)用實例 2．5 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型簡介 2．5．1 徑向基網(wǎng)絡(luò)模型 2．5．2 徑向基網(wǎng)絡(luò)的創(chuàng)建與學習過程 2．5．3 其他徑向基神經(jīng)網(wǎng)絡(luò) 2．5．4 徑向基網(wǎng)絡(luò)的MATLAB仿真程序設(shè)計 第3章 常用神經(jīng)網(wǎng)絡(luò)模型及動力學問題 3．1 Hopfield神經(jīng)網(wǎng)絡(luò)模型及動力學問題 3．1．1 無時滯的Hopfield神經(jīng)網(wǎng)絡(luò)模型及動力學問題 3．1．2 有時滯的Hopfield神經(jīng)網(wǎng)絡(luò)模型及動力學問題 3．1．3 Hopfield神經(jīng)網(wǎng)絡(luò)的k-穩(wěn)定性分析 3．2 細胞神經(jīng)網(wǎng)絡(luò)模型及動力學問題 3．2．1 無時滯的細胞神經(jīng)網(wǎng)絡(luò)的平衡點及穩(wěn)定性 3．2．2 有時滯的細胞神經(jīng)網(wǎng)絡(luò)的平衡點及穩(wěn)定性 3．2．3 無時滯細胞神經(jīng)網(wǎng)絡(luò)的周期解及穩(wěn)定性 3．2．4 有時滯細胞神經(jīng)網(wǎng)絡(luò)的周期解及穩(wěn)定性 3．2．5 廣義細胞神經(jīng)網(wǎng)絡(luò)簡介 3．3 BAM神經(jīng)網(wǎng)絡(luò)模型及動力學問題 3．3．1 無時滯BAM神經(jīng)網(wǎng)絡(luò)模型及穩(wěn)定性 3．3．2 具有連續(xù)時滯的BAM神經(jīng)網(wǎng)絡(luò)模型及穩(wěn)定性 3．3．3 具有連續(xù)和離散時滯的混雜BAM神經(jīng)網(wǎng)絡(luò)模型及動力學問題 第4章 復(fù)雜神經(jīng)網(wǎng)絡(luò)模型及動力學問題 4．1 二階Hopfield神經(jīng)網(wǎng)絡(luò)模型及動力學問題 …… 5 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 參考文獻 附錄