神經(jīng)網(wǎng)絡(luò)穩(wěn)定性理論

第1章　緒論
　1.1　神經(jīng)網(wǎng)絡(luò)簡介　
　　1.1.1　神經(jīng)網(wǎng)絡(luò)的概念　
　　1.1.2　神經(jīng)網(wǎng)絡(luò)的優(yōu)點　
　　1.1.3　人腦簡介　
　　1.1.4　神經(jīng)元模型　
　　1.1.5　神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)　
　　1.1.6　知識表示　
　　1.1.7　人工智能和神經(jīng)網(wǎng)絡(luò)　
　　1.1.8　兩個重要的神經(jīng)網(wǎng)絡(luò)模型　
　1.2　微分方程穩(wěn)定性理論基礎(chǔ)　
　　1.2.1　微分方程穩(wěn)定性的基本概念　
　　1.2.2　穩(wěn)定性的判據(jù)與LaSalle不變原理　
　1.3　泛函分析簡介　
　　1.3.1　度量空間的概念和度量空間中的點集　
　　1.3.2　線性空間上的范數(shù)、Lp空間及其幾個重要不等式　
　　1.3.3　連續(xù)映射、稠密性、完備性　
　　1.3.4　不動點定理　
　　1.3.5　內(nèi)積空間、Hilbert空間上的有界線性算子
第2章　Hopfield型神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性
2.1 無時滯的Hopfield型神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析
2.1.1 Hopfield型神經(jīng)網(wǎng)絡(luò)平衡點的存在性和唯一性
2.1.2 Hopfield型神經(jīng)網(wǎng)絡(luò)平衡點的漸近穩(wěn)定性
2.2 有時滯的Hopfield型神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析
2.3 Hopfield型神經(jīng)網(wǎng)絡(luò)的k穩(wěn)定性分析
第3章 細(xì)胞神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性
3.1 無時滯的細(xì)胞神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析
3.2 有時滯的細(xì)胞神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析
3.3 細(xì)胞神經(jīng)網(wǎng)絡(luò)的周期解
3.4 廣義細(xì)胞神經(jīng)網(wǎng)絡(luò)
第4章 二階神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性
4.1 二階神經(jīng)網(wǎng)絡(luò)簡介
4.2 二階Hopfield型神經(jīng)網(wǎng)絡(luò)的局部穩(wěn)定性分析
4.3 二階Hopfield型神經(jīng)網(wǎng)絡(luò)的全局穩(wěn)定性分析
4.3.1 全局漸近穩(wěn)定性分析
4.3.2 全局指數(shù)穩(wěn)定性分析及收斂速度的估計
4.3.3 例子
4.4 具有反應(yīng)擴散的二階Hopfield型神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析
4.4.1 全局漸近穩(wěn)定性分析
4.4.2 全局指數(shù)穩(wěn)定性分析及收斂速度的估計
4.5 具有時滯的二階Hopfield型神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性
4.5.1 平衡點的存在性
4.5.2 全局漸近穩(wěn)定的若干充分條件
4.5.3 全局指數(shù)穩(wěn)定性
4.5.4 推廣到變時滯情形
4.6 具有時滯的二階Hopfield型神經(jīng)網(wǎng)絡(luò)的正不變集與吸引子
4.7 帶反應(yīng)擴散項和時滯的二階Hopfield型神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性
4.7.1 全局漸近穩(wěn)定性
4.7.2 全局指數(shù)穩(wěn)定性
4.8 具有時滯的二階Hopfield型神經(jīng)網(wǎng)絡(luò)的周期解及其穩(wěn)定性
4.8.1 常時滯情形
4.8.2 變時滯情形
4.9 具有時滯的脈沖二階Hopfield型神經(jīng)網(wǎng)絡(luò)
第5章 隨機神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性
5.1 隨機神經(jīng)網(wǎng)絡(luò)簡介
5.1.1 隨機神經(jīng)網(wǎng)絡(luò)的發(fā)展
5.1.2 GRNN模型描述
5.1.3 RNN的應(yīng)用
5.1.4 其他隨機網(wǎng)絡(luò)
5.1.5 研究前景
5.2 隨機Hopfield型神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性
5.3 隨機二階神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性
5.4 隨機時滯神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性
5.4.1 幾乎必然指數(shù)穩(wěn)定性
5.4.2 均方指數(shù)穩(wěn)定性
5.5 具有可變時滯的隨機Hopfield型神經(jīng)網(wǎng)絡(luò)
5.6 隨機細(xì)胞神經(jīng)網(wǎng)絡(luò)
5.6.1 與時滯無關(guān)的穩(wěn)定性判據(jù)
5.6.2 與時滯有關(guān)的穩(wěn)定性判據(jù)
第6章 神經(jīng)網(wǎng)絡(luò)的應(yīng)用
6.1 神經(jīng)網(wǎng)絡(luò)在工業(yè)控制領(lǐng)域中的應(yīng)用
6.1.1 人工神經(jīng)網(wǎng)絡(luò)簡介
6.1.2 人工神經(jīng)網(wǎng)絡(luò)技術(shù)與焊接過程的結(jié)合及其相關(guān)范例
6.1.3 人工神經(jīng)網(wǎng)絡(luò)的巨大優(yōu)勢及在焊接過程中的初步應(yīng)用
6.2 神經(jīng)網(wǎng)絡(luò)在手寫體字符識別中的應(yīng)用
6.2.1 手寫體字符識別分類中的神經(jīng)網(wǎng)絡(luò)模型
6.2.2 神經(jīng)網(wǎng)絡(luò)分類器集成方法
6.2.3 神經(jīng)網(wǎng)絡(luò)與其他優(yōu)化算法的結(jié)合
6.2.4 未來的研究方向
6.3 基于神經(jīng)網(wǎng)絡(luò)的全自動模式識別跟蹤系統(tǒng)
6.3.1 神經(jīng)網(wǎng)絡(luò)模式識別的原理
6.3.2 神經(jīng)網(wǎng)絡(luò)模式識別的實現(xiàn)
6.3.3 識別跟蹤系統(tǒng)實驗測試與數(shù)據(jù)分析
6.4 基于神經(jīng)網(wǎng)絡(luò)不變性模式識別的人臉識別系統(tǒng)
6.4.1 最優(yōu)化神經(jīng)網(wǎng)絡(luò)
6.4.2 人臉識別系統(tǒng)的基本結(jié)構(gòu)
6.4.3 仿真實驗
6.5 人工神經(jīng)網(wǎng)絡(luò)在臨床醫(yī)學(xué)中的應(yīng)用
6.6 神經(jīng)網(wǎng)絡(luò)在城市綜合業(yè)務(wù)故障診斷中的應(yīng)用
6.6.1 支撐環(huán)境
6.6.2 軟件設(shè)計實例
6.6.3 實驗結(jié)果實例分析
6.7 基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行貸款風(fēng)險預(yù)警研究
6.7.1 前向三層BP網(wǎng)絡(luò)商業(yè)銀行信貸風(fēng)險預(yù)警系統(tǒng)的構(gòu)造
6.7.2 貸款風(fēng)險預(yù)警信號知識處理
6.7.3 實驗設(shè)計
6.7.4 BP網(wǎng)絡(luò)模型的計算機實現(xiàn)
6.8 Hopfield型神經(jīng)網(wǎng)絡(luò)應(yīng)用實例分析
6.8.1 Hopfield型神經(jīng)網(wǎng)絡(luò)簡介
6.8.2 離散Hopfield型神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用
6.8.3 連續(xù)Hopfield型神經(jīng)網(wǎng)絡(luò)在優(yōu)化計算中的應(yīng)用
6.9 基于Hopfield型神經(jīng)網(wǎng)絡(luò)的遙感圖像超分辨率識別算法
6.9.1 Hopfield型神經(jīng)網(wǎng)絡(luò)實現(xiàn)的圖像超分辨率目標(biāo)識別處理算法分析
6.9.2 Hopfield型神經(jīng)網(wǎng)絡(luò)目標(biāo)識別處理的主要實驗過程分析
6.9.3 Hopfield型神經(jīng)網(wǎng)絡(luò)的圖像超分辨率處理的實驗結(jié)果分析
6.10 應(yīng)用Hopfield型神經(jīng)網(wǎng)絡(luò)抑制高頻地波雷達(dá)中短波通信干擾
6.10.1 Hopfield型神經(jīng)網(wǎng)絡(luò)
6.10.2 基于LMS的自適應(yīng)抑制干擾法
6.10.3 抑制干擾Hopfield型神經(jīng)網(wǎng)絡(luò)
6.10.4 仿真結(jié)果的比較
參考文獻(xiàn)