内容介绍
用户评论
全部咨询
内容简介
本书是系统地阐述模式识别与人工神经网络的一本专著.全书分为两大部分.第一部分(前四章)阐述基本概念,这一部分不仅为模式识别提供了十分必要的理论基础和各种方法,而且以新的观点论述了它们之间的关系.第二部分与第一部分紧密呼应,阐述了如何用人工神经网络来实现各种模式识别的算法.本书的特点是:全书采用统一的理论体系,各章内容广泛而连贯,包含了各种最新进展和最新见解.本书还具有很浓的多学科交叉色彩.
本书可作为计算机科学专业的研究生及高年级学生的教材或教学参考书,对从事人工智能、认知科学、计算机工程、机器人学、神经生物学、哲学和心理学等领域工作的广大科技人员也有较大参考价值.
目录
- 第一章 研究的性质
1.1 引言
1.2 研究自适应模式识别的动机
1.3 用映射描述基于计算机的模式识别
1.4 研究的重点
1.5 模式识别研究的目标
1.6 模式的表达形式
1.7 评论及有关文献说明
第二章 贝叶斯方法
2.1 引言
2.2 一般性考虑
2.3 训练中所需的知识
2.4 在连续分布情况下的系统误差
2.5 判别函数的本质及作用
2.6 对贝叶斯方法的不同看法
2.7 评论及有关文献说明
第三章 模糊特征和模糊决策规则:模糊集方法
3.1 引言
3.2 基本概念
3.3 模糊集运算:扩展原理
3.4 在模式识别中使用模糊集理论
3.5 评论及有关文献说明
第四章 具有非数值特征值的模式
4.1 引言
4.2 ID3方法
4.3 Pao-Hu方法
4.4 M过程方法
4.5 评论及有关文献说明
第五章 广义感知机
5.1 引言
5.2 线性判别函数
5.3 半线性前馈网络、误差反向传播及推广的δ规则
5.4 前馈多层网络复杂性分析
5.5 用“映射”解释多层网络
5.6 评论及有关文献说明
第六章 联想存储器
6.1 引言
6.2 矩阵联想存储器
6.3 全息存储器
6.4 Walsh联想存储器
6.5 联想存储器网络
6.6 评论及有关文献说明
第七章 自组织神经网络
7.1 引言
7.2 MAXNET网络
7.3 能揭示聚类结构的网络
7.4 Kohonen关于有序映射的研究
7.5 评论及有关文献说明
第八章 函数型连接神经网络
8.1 引言
8.2 非线性连接的函数变换
8.3 函数型连接网络的数学基础概要
8.4 函数型连接网络的监督学习
8.5 监督学习和无监督学习的结合
8.6 联想存储及检索
8.7 评论及有关文献说明
第九章 符号和子符号处理:模糊逻辑、模式识别和神经网络的作用
9.1 引言
9.2 隶属度函数的网络表达
9.3 扩展原理的模拟
9.4 模糊推理
9.5 评论及有关文献说明
第十章 自适应模式识别应用中的问题
10.1 引言
10.2 模式内部结构的处理
10.3 对语言符号的处理
10.4 语言符号模式中结构的处理
10.5 变化的可信度
10.6 估计与分类
10.7 输入和输出之间的时间相关
10.8 用自适应模式识别解决真正难题的可能性
10.9 评论及有关文献说明
附录A 监督学习的推广的δ规则网络程序
A.1 引言
A.2 程序
A.3 例子
附录B 揭示聚类结构的无监督学习
B.1 引言
B.2 程序
B.3 例子
参考文献
索引