Artificial Neural Network and Blind Signal Processing

第1章 绪论

1．1 人脑与人的智能、人工神经网络与智能机器、人工智能与计算智能

1．2 ann的主要模型与研究途径

1．3 ann的学习

1．4 ann的应用

1．5 脉冲耦合神经网络和脑成像技术

1．6 ann与盲信号处理

1．7 本书的组织

参考文献


第2章 前向多层神经网络与递归神经网络

2．1 概述

2．2 线性函数mlp

2．3 硬限幅函数mlp

2．4 用sigmoid函数和线性函数的mlp

2．5 bp算法的主要问题及其改进

2．6 rbf网络

2．7 小波神经网络

2．8 mlfn的前端信号处理

2．9 mlfn的函数逼近能力

.2．10 mlfn推广能力的统计学习理论

2．11 提高mlfn推广能力的实用方法

2．12 mlfn作为后验概率估值器

2．13 递归神经网络

2．14 mlfn应用举例之一--在非线性动力系统中的应用

2．15 mlfn应用举例之二--手写数字识别

2．16 mlfn应用举例之三--语音识别

参考文献


第3章 自组织神经网络--som和art

3．1 概述

3．2 som的结构和自组织学习算法

3．3 som自组织学习算法中的参数自适应

3．4 学习向量量化--lvq和lvq2

3．5 som的应用举例

3．6 art的基本原理和算法买现框架

3．7 art的各种变型及其比较

3．8 art应用举例--在化学工业中的应用

参考文献


第4章 hopfield神经网络

4．1 概述

4．2 hm及其在tsp中的应用

4．3 采用约束平面及hc的ehm

4．4 采用罚函数的ehm

4．5 离散时间hnn与自联想记忆

4．6 双向联想记忆及其他联想记忆神经网络

参考文献


第5章 模糊神经网络

5．1 概述

5．2 fnn的结构和类型

5．3 实现函数映射的fnn

5．4 基于fuzzy art的fnn和simpson网络

5．5 实现聚类的fnn

5．6 fnn在非线性动力系统辨识与控制中的应用

5．7 fnn用于时间序列预测及其在金融和财务等领域中的应用

参考文献


第6章 遗传算法及其在人工神经网络中的应用

6．1 概述

6．2 基本的遗传算法

6．3 模式定理

6．4 遗传算法的收敛性能

6．5 遗传算法面临的问题及改进算法

6．6 遗传算法与人工神经网络的结合

参考文献


第7章 盲信号处理

7．1 概述

7．2 源信号pdf描述、等价可分性、二阶和高阶相关的去除

7．3 ica的目标函数

7．4 ica的学习算法

7．5 ica解的稳定性

7．6 用ica实现源分离时解的精确度

7．7 ica算法中信号源pdf的确定

7．8 盲信号抽取

7．9 盲解卷与盲均衡

7．10 dca算法

7．11 ifa算法

7．12 ica和ifa的实际应用和待解决问题

参考文献

缩略语