國(guó)之重器出版工程 智能信息處理

第1章　緒論
1．1　智能
1．2　人工智能
1．2．1　人工智能的定義
1．2．2　人工智能的三個(gè)關(guān)鍵部分
1．2．3　人工智能的發(fā)展簡(jiǎn)史
1．3　計(jì)算智能
1．3．1　計(jì)算智能的產(chǎn)生與發(fā)展
1．3．2　計(jì)算智能的重要特征
1．4　智能信息處理的主要技術(shù)
1．4．1　模糊計(jì)算技術(shù)
1．4．2　神經(jīng)計(jì)算技術(shù)
1．4．3　進(jìn)化計(jì)算技術(shù)
1．5　智能技術(shù)的綜合集成
1．5．1　模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合
1．5．2　神經(jīng)網(wǎng)絡(luò)和遺傳算法的結(jié)合
1．5．3　模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)和遺傳算法的綜合集成
1．5．4　神經(jīng)、模糊和混沌的融合
1．5．5　混沌與分形——孿生兄弟
1．5．6　計(jì)算智能展望
第2章　智能科學(xué)的認(rèn)知心理學(xué)基礎(chǔ)
2．1　認(rèn)知的概念
2．2　人的思維
2．3　右腦的功能
2．4　直覺(jué)的特征
2．5　人腦短時(shí)記憶的限制
2．6　本章小結(jié)
第3章　生物神經(jīng)元與神經(jīng)系統(tǒng)
3．1　生物神經(jīng)元
3．1．1　神經(jīng)元的組成
3．1．2　神經(jīng)元的分類
3．1．3　靜息膜電位
3．2　動(dòng)作電位和Hodgkin ? Huxley方程
3．2．1　動(dòng)作電位
3．2．2　Hodgkin ? Huxley方程
3．3　神經(jīng)沖動(dòng)的傳導(dǎo)
3．3．1　神經(jīng)沖動(dòng)的生成方式
3．3．2　神經(jīng)沖動(dòng)傳導(dǎo)的特點(diǎn)
3．4　突觸和突觸傳遞
3．4．1　突觸的結(jié)構(gòu)
3．4．2　突觸傳遞的機(jī)理
3．5　人的神經(jīng)系統(tǒng)組成
3．5．1　中樞神經(jīng)系統(tǒng)
3．5．2　周圍神經(jīng)系統(tǒng)
3．5．3　中樞神經(jīng)系統(tǒng)的信息處理機(jī)能
3．6　視覺(jué)神經(jīng)系統(tǒng)
3．6．1　眼球的結(jié)構(gòu)
3．6．2　眼的感光功能
3．6．3　視覺(jué)信息加工
3．6．4　視覺(jué)神經(jīng)系統(tǒng)的信息處理
3．7　本章小結(jié)
第4章　人工神經(jīng)網(wǎng)絡(luò)概述
4．1　人工神經(jīng)網(wǎng)絡(luò)概念的引發(fā)
4．1．1　人腦神經(jīng)系統(tǒng)的主要特點(diǎn)
4．1．2　人工智能系統(tǒng)的幾種不同途徑
4．1．3　人腦的建模研究
4．1．4　人工神經(jīng)網(wǎng)絡(luò)的構(gòu)思
4．2　人工神經(jīng)元模型和人工神經(jīng)網(wǎng)絡(luò)模型
4．2．1　人工神經(jīng)網(wǎng)絡(luò)的定義
4．2．2　人工神經(jīng)元模型
4．2．3　人工神經(jīng)網(wǎng)絡(luò)模型
4．3　有關(guān)人工神經(jīng)網(wǎng)絡(luò)的能力與特點(diǎn)的討論
4．3．1　人工神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性特征和收斂特征
4．3．2　人工神經(jīng)網(wǎng)絡(luò)的信息存儲(chǔ)與計(jì)算能力
4．3．3　人工神經(jīng)網(wǎng)絡(luò)技術(shù)的基本特征
4．4　人工神經(jīng)網(wǎng)絡(luò)的發(fā)展史
4．5　本章小結(jié)
第5章　MP模型和感知器
5．1　MP模型
5．1．1　MP模型的概念
5．1．2　模式相似性的數(shù)學(xué)表示
5．1．3　人工神經(jīng)網(wǎng)絡(luò)中的一個(gè)輸出單元
5．1．4　單層并行分布網(wǎng)絡(luò)
5．1．5　多層線性網(wǎng)絡(luò)
5．2　感知器
5．2．1　感知器的概念
5．2．2　廣義線性判別函數(shù)及其規(guī)格化
5．2．3　感知器網(wǎng)絡(luò)的訓(xùn)練方法
5．2．4　感知器的能力與局限性
5．2．5　關(guān)于感知器
5．3　本章小結(jié)
第6章　模式聯(lián)想機(jī)
6．1　模式聯(lián)想的概念
6．2　模式聯(lián)想學(xué)習(xí)規(guī)則的理論基礎(chǔ)
6．2．1　Hebb規(guī)則
6．2．2　? 學(xué)習(xí)規(guī)則
6．3　模式聯(lián)想機(jī)模型
6．3．1　模式聯(lián)想機(jī)模型的Hebb規(guī)則
6．3．2　模式聯(lián)想機(jī)中的? 規(guī)則
6．4　實(shí)例練習(xí)
6．4．1　練習(xí)1：Hebb規(guī)則學(xué)習(xí)的相似性和泛化
6．4．2　練習(xí)2：正交性、線性獨(dú)立和學(xué)習(xí)
6．5　模式聯(lián)想機(jī)的討論
6．5．1　激活函數(shù)
6．5．2　學(xué)習(xí)假設(shè)
6．5．3　環(huán)境與訓(xùn)練期
6．5．4　性能量度
6．6　本章小結(jié)
第7章　BP神經(jīng)網(wǎng)絡(luò)模型
7．1　BP模型的概念及其產(chǎn)生背景
7．1．1　BP模型的概念
7．1．2　BP模型的產(chǎn)生背景
7．1．3　推廣的? 規(guī)則
7．1．4　BP算法
7．2　BP算法計(jì)算實(shí)例——求解XOR問(wèn)題
7．3　BP算法的討論
7．3．1　BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的確定
7．3．2　BP神經(jīng)網(wǎng)絡(luò)模型的樣本數(shù)據(jù)篩選
7．3．3　BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
7．3．4　應(yīng)用時(shí)需要考慮的問(wèn)題
7．3．5　有待進(jìn)一步研究的問(wèn)題
7．4　BP算法的應(yīng)用舉例
7．4．1　在系統(tǒng)辨識(shí)中的應(yīng)用
7．4．2　幾何圖形的識(shí)別
7．5　本章小結(jié)
第8章　徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
8．1　徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
8．2　徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的基本訓(xùn)練算法
8．3　徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)與多層感知器的比較
8．4　徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)改進(jìn)方案
8．4．1　輸入模式的預(yù)處理
8．4．2　基函數(shù)的選擇
8．4．3　RBF層的聚類算法的改進(jìn)
8．5　本章小結(jié)
第9章　反饋型神經(jīng)網(wǎng)絡(luò)
9．1　離散型霍普菲爾德神經(jīng)網(wǎng)絡(luò)
9．1．1　離散型霍普菲爾德神經(jīng)網(wǎng)絡(luò)的工作方式
9．1．2　網(wǎng)絡(luò)的穩(wěn)定性
9．2　連續(xù)型霍普菲爾德神經(jīng)網(wǎng)絡(luò)
9．2．1　輸入和輸出的關(guān)系
9．2．2　能量函數(shù)和穩(wěn)定性
9．3　離散型霍普菲爾德神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶
9．3．1　網(wǎng)絡(luò)的學(xué)習(xí)
9．3．2　聯(lián)想記憶的算法步驟
9．3．3　用Hebb規(guī)則設(shè)計(jì)權(quán)重的網(wǎng)絡(luò)性質(zhì)
9．4　霍普菲爾德神經(jīng)網(wǎng)絡(luò)用于優(yōu)化計(jì)算
9．5　本章小結(jié)
第10章　進(jìn)化計(jì)算及應(yīng)用
10．1　概述
10．1．1　進(jìn)化計(jì)算的產(chǎn)生背景
10．1．2　進(jìn)化計(jì)算的發(fā)展過(guò)程
10．1．3　進(jìn)化計(jì)算的主要特點(diǎn)
10．2　進(jìn)化計(jì)算
10．2．1　進(jìn)化計(jì)算的生物學(xué)基礎(chǔ)
10．2．2　進(jìn)化計(jì)算的基本結(jié)構(gòu)
10．2．3　進(jìn)化計(jì)算的分類
10．3　遺傳算法的基本理論
10．3．1　遺傳算法的基本思想
10．3．2　遺傳算法的基本結(jié)構(gòu)
10．3．3　基本遺傳算子
10．3．4　遺傳算法的數(shù)學(xué)基礎(chǔ)
10．3．5　遺傳規(guī)劃
10．4　本章小結(jié)
第11章 混沌及分?jǐn)?shù)維
11．1 混沌與混沌神經(jīng)網(wǎng)絡(luò)
11．1．1 混沌的概念及發(fā)展
11．1．2 對(duì)混沌現(xiàn)象的分析
11．1．3 混沌學(xué)和人工神經(jīng)網(wǎng)絡(luò)
11．2 分形和分?jǐn)?shù)維
11．2．1 分形概念的提出
11．2．2 分形的特征
11．2．3 幾種典型分形的分?jǐn)?shù)維
11．2．4 人腦的混沌與腦電圖的分?jǐn)?shù)維
11．3 本章小結(jié)
第12章 神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)與應(yīng)用
12．1 概述
12．1．1 神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)的主要特點(diǎn)
12．1．2 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法
12．2 神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)技術(shù)簡(jiǎn)介
12．2．1 神經(jīng)網(wǎng)絡(luò)的VLSI實(shí)現(xiàn)
12．2．2 神經(jīng)網(wǎng)絡(luò)的光學(xué)實(shí)現(xiàn)
12．2．3 神經(jīng)網(wǎng)絡(luò)的生物實(shí)現(xiàn)
12．3 神經(jīng)網(wǎng)絡(luò)硬件發(fā)展的現(xiàn)狀
12．3．1 數(shù)字VLSI神經(jīng)芯片
12．3．2 模擬VLSI神經(jīng)芯片
12．3．3 數(shù)模混合神經(jīng)芯片
12．3．4 神經(jīng)網(wǎng)絡(luò)加速卡
12．3．5 神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)
12．3．6 關(guān)于神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)技術(shù)的討論
12．4 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用
12．4．1 神經(jīng)網(wǎng)絡(luò)適用的應(yīng)用領(lǐng)域
12．4．2 ANN的軍事應(yīng)用
12．5 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展展望
12．5．1 人工神經(jīng)網(wǎng)絡(luò)發(fā)展中的問(wèn)題
12．5．2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展前景
12．6 本章小結(jié)
參考文獻(xiàn)
附錄
附錄A 智能信息處理實(shí)驗(yàn)
附錄B 智能信息處理實(shí)驗(yàn)源代碼（部分）