自适应多尺度网络理论与应用

作者：  焦李成，杨淑媛著

出版社：科学出版社,2008

简介：本书从认知神经科学出发首先阐述了神经计算的范畴、基本原理、历史、发展与前景。论述了一些经典的、目前仍在神经科学研究领域中得到广泛应用的研究技术，以及一些当前正在兴起的、已处于应用阶段或正待完善的新的模型与方法。进而将后子波分析（或第三代子波分析）与神经计算相结合，提出了自适应多尺度几何网络的概念，详细分析和建立了多种自适应多尺度几何网络模型和自适应学习算法，并且讨论了它们在模式识别、函数逼近、图像识别与数据分类等中的应用。全书共分十篇。第1章介绍了在认知神经科学发展背景中的神经计算技术；第2章在统计学习的观点下，分析了经典的Bayes决策、单层和多层前向神经网络和学习规则，而后详细讨论了目前在各领域应用广泛的支撑矢量机网络。第3章介绍了神经计算领域最近发展的一些进展。从第4章开始，集中讨论了当前正在兴起的，将神经计算和后子波分析－多尺度几何分析相结合的多种自适应多尺度几何网络模型及其自适应学习算法。其中包括第5章的自适应连续脊波网络、第6章的离散脊波网络、第7章的线性脊波网络、第8章的脊波核函数网络、第9章的曲线波网络和第10章的轮廓波包网络。