《全常除师岁常黄因人工神经网络原理及外代候斯吃计氧础应用》是2006年科学来自出版社出版的图书，作者是朱大奇、史慧。

• 书名 人工神经网络原理及应用
• 作者 朱大奇、史慧
• 出版社 科学出版社
• 出版时间 2006年03月
• 页数 218 页

内容简介

　　本书中心内容包括前馈型BP神经网络;反馈型Hopfield神经网络和双向联想记忆 BAM神经网络;局部逼近的CMAC小脑神经网络和径向基函数RBF神经网络;竞争学习的自组织SOM神经网络、对偶传播CPN神经网络、ART自适应谐振理论及量子神经来自网络。 本书可作为电子、自动化、仪器仪表、计算机及相刑菜查获笔曲关专业研究生教材，书中介绍的相关算法及应360百科用实践，对相关理论研究者附固存维历革南和工程技术人员也具有一定的指导意义。

图书目录

　　第1章 人工神经网络的基础知识 1

　　1.1 人工神经网络发展的历史及现状 1

　　1.1.1 人工神经网络研究阶段的划分 1

　　1.1.2 人工神经网络国内外研究状况 7

　　1.1.3 神经曲击州治学块于事岁额式网络的发展展望 7

　　1.2 人工神经网络的作传案美声总雨止置民五基本模型及其功能 9

　　1起初快动读转探松乱.2.1 人工神经元的模型 9

　　1.2.2 人工神经网络的特性 11

　　1.2.3 人工神经网络的基本功能 12

　　1.2.4 人工神经网络的应用领域 13

　　1.3 人工神经网络的基本上后笔要素 17

　　1.3.1 神经元功能函数 17

　　1.3.2 神经元之间的连接形式 19

　　群1.3.3 人工神经网络的学习(项配里汉进完夫拉为雷接训练) 20

　　1.4 本章小结 28

　　1.5 思考题 28

　　1.6 参考文献 29

　　的味第2章 BP误差反传神经网络 33

　　2.1 BP神经网络模型及其学习算法 33

　　2.1.1 BP网络结构 33

　　2.1.2 BP网络学习算法 34

　　2.2 BP神经网络设计的一般原则 39

　　2.2.1 BP网络参数设计 39

　　2.2.2 BP网络结构参数设计 42

　　2.3 BP神经网络的应用 43

　　2.3.1 训BP神经网络在模拟电路故障诊断中应用 43

　　2.3.2 BP神经网络在多传感器信息融合故障诊断中应用 46

　　2.3审齐玉良按在住地女临.3 BP神经网络在工业生产中的应用--基于人工神经网络的热轧带钢热流密度预测 53

　　2.3.4 BP神经网络在工程建设安全管理中的应用--基于人工神经网络的工程建设安全管理效果评价 56

　　2.4 本章小结 63

　　2.5 思考题 63

　　2.6 参考文献 6混仅歌呼倒真跟市总3

　　第3章 Hopfield反馈神经网络 65

　　3绿.1 离散型Hopfie种乐审缩府朝武划先含ld神经网络 65

　　3.1.1 DHNN结构与工作方式 65

　而子汉非除　3.1.2 网络的稳定性与吸引子 69

　　3.1.3 DHNN的设头修文义印计原则 73

　　3.2 连续型Hopfield神经网络 75

　　3.3 Hopfield神经网络的应用 82

　　3.3.1 Hopfield神经网络在A/D转换器上的应用 82

　　3.3.2 Hopfield神经网络在字符识别上的应用 85

　　3.4 本章小结 90

　　3.5 思考题 90

　　3.6 参考文献 91

　　第4章 BAM双向联想记忆神经网络 93

　　4烧城开.1 BAM结构、算法及稳定性 93

　　4.1.1 BAM结构及工作原理 9商航述我控利学话3

　　4.1.2 BAM权矩阵设计及稳定性分析 94

　　4.2 BAM神经网络的应用 97

　　4.2.1 基于BAM神经网络的推理方法 97

　　4.2.2 基于BAM网络的控制系统故障诊断 103

　　4.3 本章小结 104

　　4.4 思考题 104

　　4.5 参考文献 105

　　第5章 CMAC小脑神经网络 106

　　5.1 CMAC结构及工作原理 106

　　5.1.1 CMAC结构 106

　　5.1.2 CMAC工作原理 107

　　5.2 CMAC改进学习算法 109

　　5.2.1 模糊CMAC神经网络算法 109

　　5.2.2 基于信度分配的平衡学习CMAC神经网络算法 110

　　5.2.3 基于信度分配的模糊CMAC神经网络学习算法 115

　　5.3 CMAC神经网络的应用--基于CMAC的电液负载模拟器自学习控制 119

　　5.4 本章小结 125

　　5.5 思考题 126

　　5.6 参考文献 126

　　第6章 RBF径向基函数神经网络 128

　　6.1 RBF结构及工作原理 128

　　6.2 RBF学习算法 129

　　6.2.1 RBF网络的常规学习算法 129

　　6.2.2 相关问题 131

　　6.3 改进的RBF学习算法 132

　　6.3.1 IRBF神经网络分析 132

　　6.3.2 基于免疫算法的IRBF神经网络设计 133

　　6.4 径向基函数神经网络RBF的应用--利用RBF神经网络实现热工过程的在线辨识 137

　　6.5 本章小结 142

　　6.6 思考题 142

　　6.7 参考文献 142

　　第7章 SOM自组织特征映射神经网络 144

　　7.1 竞争学习算法基础 144

　　7.1.1 自组织神经网络结构 144

　　7.1.2 自组织神经网络的原理 145

　　7.2 SOM神经网络模型与算法 151

　　7.3 SOM神经网络的应用 154

　　7.3.1 SOM网络应用于字符排序 154

　　7.3.2 SOM网络在复合材料损伤监测中的应用 156

　　7.3.3 SOM网络在电路故障诊断中应用 159

　　7.4 本章小结 162

　　7.5 思考题 162

　　7.6 参考文献 163

　　第8章 CPN对偶传播神经网络 164

　　8.1 CPN神经网络简介 164

　　8.2 CPN神经网络结构及原理 165

　　8.2.1 CPN网络结构 165

　　8.2.2 简单CPN网络运行原理 166

　　8.2.3 改进的CPN网络运行原理 171

　　8.3 CPN神经网络的应用--CPN网络在集成电路故障模式识别中的应用 172

　　8.3.1 电路故障诊断的CPN神经网络信息融合方法 172

　　8.3.2 基于CPN神经网络信息融合的光电雷达电路故障识别 175

　　8.4 本章小结 177

　　8.5 思考题 177

　　8.6 参考文献 178

　　第9章 ART自适应谐振理论 179

　　9.1 ART1型神经网络结构及算法 179

　　9.1.1 ART1型网络结构 179

　　9.1.2 ART1型网络工作原理 181

　　9.2 ART2型神经网络结构及算法 184

　　9.2.1 ART2型网络结构 184

　　9.2.2 ART2型神经网络的数学模型与学习算法 185

　　9.2.3 ART综合系统 188

　　9.3 ART神经网络的应用 190

　　9.3.1 ART神经网络在图像识别中应用 190

　　9.3.2 ART神经网络在故障诊断中应用 193

　　9.4 本章小结 197

　　9.5 思考题 198

　　9.6 参考文献 198

　　第10章 量子神经网络 199

　　10.1 量子神经网络的发展 199

　　10.2 量子神经网络模型 200

　　10.2.1 多层激励函数的量子神经网络 200

　　10.2.2 Qubit神经元模型 201

　　10.2.3 多宇宙的量子神经网络模型 201

　　10.2.4 其他模型研究 202

　　10.2.5 量子神经网络的发展 203

　　10.3 量子神经网络的应用 204

　　10.3.1 基于量子双缝干涉实验的神经网络模型 204

　　10.3.2 多层激励函数的量子神经网络模型及其在故障诊断中的应用 209

　　10.4 本章小结 215

　　10.5 思考题 215

　　10.6 参考文献 215