过程神经元网络PDF|Epub|txt|kindle电子书版本网盘下载

过程神经元网络PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论1

1.1　人工智能的发展1

1.2　人工智能系统的特征5

1.3　计算智能8

1.3.1　模糊计算8

1.3.2　神经计算10

1.3.3　进化计算11

1.3.4　三个“分支”的结合13

1.4　过程神经元网络14

第2章　人工神经元网络16

2.1　生物神经元16

2.2　神经元的数学模型18

2.3　前馈／反馈神经元网络18

2.3.1　前馈／反馈神经元网络模型18

2.3.2　前馈神经元网络的函数逼近能力20

2.3.3　前馈神经元网络的计算能力22

2.3.4　前馈神经元网络的学习算法22

2.3.5　前馈神经元网络的泛化问题23

2.3.6　前馈神经元网络的应用24

2.4　模糊神经元网络25

2.4.1　模糊神经元25

2.4.2　模糊神经元网络26

2.5　非线性聚合人工神经元网络27

2.5.1　分式聚合人工神经元网络28

2.5.2　极大（或极小）聚合人工神经元网络28

2.5.3　其他非线性聚合人工神经元网络28

2.6　时空聚合与过程神经元网络29

2.7　人工神经元网络的归类30

第3章　过程神经元22

3.1　生物神经元的启示33

3.2　过程神经元的定义33

3.3　过程神经元与泛函36

3.4　模糊过程神经元37

3.4.1　过程神经元的模糊化37

3.4.2　由模糊加权推理规则构造的模糊过程神经元38

3.5　过程神经元与复合函数38

第4章　前馈过程神经元网络40

4.1　前馈过程神经元网络的一种简单模型40

4.2　前馈过程神经元网络的一般模型41

4.3　基于权函数基展开的过程神经元网络模型42

4.4　前馈过程神经元网络的基本定理44

4.4.1　解的存在性44

4.4.2　连续性47

4.4.3　泛函逼近性质48

4.4.4　计算能力51

4.5　分式前馈过程神经元网络52

4.5.1　分式过程神经元52

4.5.2　分式过程神经元网络模型52

4.6　输入与输出均为时变函数的过程神经元网络54

4.6.1　网络结构54

4.6.2　模型的连续性与逼近能力56

4.7　连续过程神经元网络58

4.7.1　连续过程神经元58

4.7.2　连续过程神经元网络模型59

4.7.3　模型的连续性、逼近能力和计算能力60

4.8　泛函神经元网络65

4.8.1　泛函神经元65

4.8.2　前馈泛函神经元网络模型66

4.9　结束语67

第5章　过程神经元网络的学习算法68

5.1　基于梯度下降和牛顿法下降的学习算法68

5.1.1　基于梯度下降的一般学习算法69

5.1.2　基于梯度-牛顿法结合的学习算法70

5.1.3　基于牛顿下山法的学习算法71

5.2　基于正交基展开的学习算法72

5.2.1　输入函数的正交基展开72

5.2.2　学习算法推导73

5.2.3　算法描述和复杂性分析74

5.3　基于傅里叶函数变换的学习算法75

5.3.1　L2［0,2π］中函数的傅里叶正交基展开75

5.3.2　学习算法推导76

5.4　基于Walsh函数变换的学习算法77

5.4.1　基于离散Walsh函数变换的学习算法77

5.4.2　基于连续Walsh函数变换的学习算法81

5.5　基于样条函数拟合的学习算法83

5.5.1　样条函数83

5.5.2　学习算法推导84

5.5.3　算法的适应性和复杂性分析86

5.6　基于有理平方逼近和最优分段逼近的学习算法87

5.6.1　基于有理平方逼近的学习算法87

5.6.2　基于最优分段逼近的学习算法93

5.7　结束语98

第6章　反馈过程神经元网络99

6.1　一种三层结构的反馈过程神经元网络99

6.1.1　网络结构99

6.1.2　学习算法100

6.1.3　稳定性分析102

6.2　几种其他形式的反馈过程神经元网络104

6.2.1　输入与输出均为时变函数的反馈过程神经元网络104

6.2.2　可用于模式分类的反馈过程神经元网络105

6.2.3　可用于联想记忆存储的反馈过程神经元网络106

6.3　应用举例107

第7章　多聚合过程神经元网络111

7.1　多聚合过程神经元111

7.2　多聚合过程神经元网络模型112

7.2.1　多聚合过程神经元网络的一般模型113

7.2.2　输入与输出均为多元过程函数的多聚合过程神经元网络模型114

7.3　学习算法114

7.3.1　多聚合过程神经元网络一般模型的学习算法115

7.3.2　输入与输出均为多元函数的多聚合过程神经元网络的学习算法118

7.4　应用举例121

7.5　结束语124

第8章　过程神经元网络的设计和构建125

8.1　双隐层过程神经元网络125

8.1.1　网络结构125

8.1.2　学习算法126

8.1.3　应用举例128

8.2　离散过程神经元网络129

8.2.1　离散过程神经元129

8.2.2　离散过程神经元网络130

8.2.3　学习算法131

8.2.4　应用举例132

8.3　级联过程神经元网络134

8.3.1　网络结构134

8.3.2　学习算法136

8.3.3　应用举例137

8.4 自组织过程神经元网络139

8.4.1　网络结构139

8.4.2　学习算法139

8.4.3　应用举例142

8.5　对传过程神经元网络144

8.5.1　网络结构144

8.5.2　学习算法145

8.5.3　模式分类数的确定145

8.5.4　应用举例146

8.6　径向基过程神经元网络147

8.6.1　径向基过程神经元147

8.6.2　网络结构148

8.6.3　学习算法148

8.6.4　应用举例150

8.7　结束语151

第9章　过程神经元网络的应用152

9.1　在过程建模中的应用152

9.2　在非线性系统辨识中的应用154

9.2.1　非线性系统辨识原理155

9.2.2　用于系统辨识的过程神经元网络156

9.2.3　非线性系统辨识过程156

9.3　在过程控制中的应用158

9.3.1　非线性系统的过程控制158

9.3.2　过程控制器的设计和求解159

9.3.3　仿真实验162

9.4　在聚类和分类中的应用164

9.5　在过程优化中的应用168

9.6　在预测预报中的应用169

9.7　在评估决策中的应用178

9.8　在宏观控制中的应用179

9.9　其他应用180

9.10　值得进一步研究的理论和实际问题183

9.11　结束语186

参考文献187