神經計算機：概念、原理、算法、能力

第1章　引論
　1.1　計算機的發(fā)展
　1.2　新概念計算機
　1.3　什么是模式
　1.4　自組織一模式形成
　1.5　認識與模擬
　1.6　聯(lián)想存貯器
　1.7　大腦結構與功能
　1.8　如何著手
第2章　協(xié)同學概念
　2.1　典型現(xiàn)象
　2.2　系統(tǒng)演化的因素
　2.3　演化方程的解
　2.4　時空模式的形成
　2.5　福克——普朗克方程
　2.6　序參量的作用
第3章　模式識別模型
　3.1　引言　
　3.2　原形模式矢量和試驗模式矢量
　3.3　構建動力學
　3.4　勢函數(shù)V（ξk）的重要性質
3.5　識別示例
　3.6　神經網絡
第4章　模式識別的不變性
　4.1　不變性問題
　4.2　傅晨葉變換和對數(shù)映像法
　4.3　數(shù)值計算　
　4.4　不變性的另一方法　
　4.5　模式的一般變換
　4.6　復合模式識別示例
第5章　學習算法及相關過程
　5.1　學習算法的探索
　5.2　突觸強度
　5.3　信息和信息增益
　5.4　再論神經計算機的基本結構原理
　5.5　通過信息增益的學習
　5.6　梯度動力學的學習算法
　5.7　學習過程的相關活動
　5.8　學習模式
　5.9　學習和序參量
第6章　模式識別能力
　6.1　引言
　6.2　兩可模式的識別
　6.3　濾光照片的識別
　6.4　邏輯運算
　6.5　立體視覺模型
第7章　運動模式的識別
第8章　回顧與展望
附錄A　卡爾胡寧——勒夫展開
附錄B　哈肯—弗里德里?！獮鯛柗椒?br />主要參考文獻