基本信息

書名：人工腦信息處理模型及其應用

定價：65.00元

作者：楊國為

齣版社：科學齣版社

齣版日期：2011-01-01

ISBN：9787030297143

字數：

頁碼：

版次：1

裝幀：平裝

開本：16開

商品重量：0.663kg

編輯推薦

內容提要

《人工腦信息處理模型及其應用》是關於智能信息處理模型及其應用的專著，著重介紹作者楊國為提齣的基於對事物(信息)認知、理解的人工腦信息處理模型。主要內容包括：人工腦信息處理神經網絡模型，人工腦的基於同源同類事物連通本性的模式識彆模型，人工腦感知聯想記憶模型，人工腦具有期望容錯域的聯想記憶模型，人工腦擬人處理矛盾的物元動態係統模型，人工魚的廣義模型，以及有關模型設計的理論方法、實現技術、應用係統。
《人工腦信息處理模型及其應用》可供從事智能科學與技術、計算機科學與技術、信息科學與技術、控製科學與工程、係統科學等領域研究的學者和工程技術人員參考，也可作為高等院校相關專業博士及碩士研究生的參考書。

目錄

《智能科學技術著作叢書》序
序
前言
章緒論
1．1人工腦的含義
1．1．1人工腦的概念及功能
1．1．2人工腦的定義
1．1．3人工腦與超級計算機
1．2人腦的信息模型
1．2．1人腦的結構
1．2．2大腦皮層功能區
1．2．3人腦信息處理機製
1．2．4學習記憶機製
1．3人腦與電腦的比較
1．3．1人腦與電腦功能的差彆
1．3．2人腦與電腦的優缺點
1．3．3電腦的未來
1．4人工腦的發展
1．4．1早期的機器智能研究
1．4．2計算機仿真進化模型
1．4．3人工神經網絡與智能信息處理
1．4．4細胞自動機
1．4．5日本第五代智能計算機
1．4．6第六代電子計算機——神經計算機
1．4．7 ATR的“細胞自動機-仿腦計劃”
1．4．8其他嘗試
1．5研究方法實現技術
1．5．1生命科學基本概念
1．5．2神經工程
1．5．3人工神經網絡
1．5．4誤差反嚮傳播
1．5．5知識湧現
1．5．6 ATR細胞自動機-仿腦的實現
1．5．7發展預測
1．6展望
1．6．1硬件方麵
1．6．2軟件方麵
1．6．3研究方嚮
參考文獻
第2章人工腦信息處理神經網絡模型
2．1人工神經網絡模型
2．2前嚮網絡
2．3前嚮神經網絡的分類(能力)模型
2．4應用BP學習算法進行模式分類的隱患定理
2．5一種新的多層感知神經網絡模式分類模型
2．6分式綫性神經網絡及其非綫性逼近能力研究
2．6．1分式綫性神經網絡
2．6．2分式綫性神經網絡的非綫性逼近能力
2．6．3分式綫性神經網絡的BP學習算法
2．6．4分式綫性神經網絡與BP神經網絡在無界區域上逼近能力的比較
2．6．5無界區域上的映射逼近仿真實驗
2．7基於遺傳算法的分式綫性神經網絡優化設計與應用
2．7．1遺傳算法
2．7．2基於遺傳算法的分式綫性神經網絡BP算法設計
2．7．3基於遺傳算法的分式綫性神經網絡的大慶降雨量預測模型
2．8基於神經網絡的廣域上非綫性連續映射分塊並行建模方法的研究
2．8．1廣域上非綫性連續映射分塊並行建模的必要性
2．8．2廣域上非綫性連續映射的神經網絡分塊並行模型
2．8．3小結
2．9基於虛擬信源和神經網絡的無損數據壓縮方法的研究
2．9．10與1字符串的虛擬信源
2．9．2虛擬信源的一種神經網絡模型
2．9．3基於虛擬信源的無損數據壓縮原理
2．9．4實驗結果
2．10本章小結
參考文獻
第3章人工腦的基於同源同類事物連通本性的模式識彆模型
3．1仿生模式識彆的兩個關鍵技術問題研究
3．1．1同類事物連續(連通)通路、方嚮的確定
3．1．2判定高維空間中一點Z是否屬於滿意覆蓋體□的技術
3．1．3應用實驗
3．2基於同源同類事物連通本性的認證識彆神經網絡
3．2．1同源同類事物連通連網排序技術
3．2．2超香腸神經元構造和優先度排序超香腸覆蓋神經網絡設計
3．3基於同源同類事物連通本性的模式分類SLAM模型
3．3．1通用前饋網絡拓撲結構
3．3．2保同源同類事物局部直接連通的模式分類sLAM模型
3．3．3實驗與分析
3．3．4小結
3．4基於同源同類事物連通本性的分塊並行優先度排序神經網絡
3．4．1訓練樣本連通連網排序
3．4．2分塊並行優先度排序神經網絡拓撲結構
3．4．3基於同源同類事物連通本性的分塊並行優先度排序神經網絡算法
3．5基於同源同類事物連通本性的分塊並行優先度排序RBF神經網絡
3．5．1基於同源同類事物連通本性的優先度排序RBF網絡的拓撲結構
3．5．2基於同源同類事物連通本性的優先度排序：RBF網絡的訓練算法
3．5．3新增樣本的增量學習
3．6基於同源同類事物連通本性的分塊並行優先度排序DBF神經網絡
3．7基於同源同類事物連通本性的分塊並行優先度排序通用高階神經網絡
3．8基於同源同類事物連通本性的分塊並行優先度排序SVM
3．8．1訓練樣本連通排序
3．8．2分塊並行優先度排序SVM拓撲結構
3．8．3基於同源同類事物連通本性的分塊並行優先度排序SVM算法
3．9模式可拓識彆與模式可拓識彆神經網絡模型
3．9．1模式可拓識彆方法
3．9．2高維模式可拓識彆的一種神經網絡模型
3．9．3小結
參考文獻
第4章人工腦感知聯想記憶模型
4．1時變容錯域的感知聯想記憶模型及其實現算法
4．1．1時變容錯域的四層感知聯想記憶模型及其實現算法
4．1．2時變容錯域感知聯想記憶模型的遺忘與記憶擴充
4．1．3仿真實驗與討論
4．1．4小結
4．2人工腦可控容錯域的聯想記憶模型與仿真實現
4．2．1可控容錯域聯想記憶的樣本容錯域設計．
4．2．2可控容錯域聯想記憶模型的分塊並行確定方法．
4．3本章小結
參考文獻
第5章人工腦具有期望容錯域的聯想記憶模型的設計方法
5．1人工腦具有期望容錯域的前嚮掩蔽聯想記憶模型的設計方法
5．1．1引言
5．1．2前嚮掩蔽聯想記憶模型的樣本任意期望容錯域設計
5．1．3期望容錯域的前嚮掩蔽聯想記憶模型拓撲結構
5．1．4期望容錯域的前嚮掩蔽聯想記憶模型確定的排序學習算法
5．1．5小結
5．2人工腦具有期望時變容錯域的聯想記憶模型的設計方法
5．2．1聯想記憶模型的樣本任意期望容錯域設計
5．2．2聯想記憶模型的拓撲結構
5．2．3基於排序學習與增量學習相結閤的聯想記憶模型確定
5．2．4小結
5．3具有期望容錯域的超弦星係聯想記憶模型的設計方法
5．3．1超弦理論與聯想記憶
5．3．2超弦星係聯想記憶模型的樣本任意期望容錯域設計
5．3．3期望容錯域的超弦星係聯想記憶模型拓撲結構
5．3．4期望容錯域的超弦星係聯想記憶模型確定
5．3．5遺忘與記憶擴充算法
5．3．6聯想記憶模型實例
5．3．7小結
參考文獻
第6章人工腦擬人處理矛盾的物元動態係統模型化方法
6．1廣義物元係統可拓集的概念l
6．2廣義物元係統可拓集的運算
6．3廣義物元係統可拓集的限製
6．4廣義限製物元係統和廣義限製物元係統可拓關係
6．5廣義問題的概念
6．6廣義問題的模型
6．7廣義問題求解
6．7．1對立問題的轉換及轉摺解法
6．7．2不相容問題轉換及轉摺解法
6．7．3不相容關係問題的轉換及轉摺解法
6．7．4廣義問題求解過程
6．7．5廣義問題求解算法
6．8物元可拓集中麵嚮實際的關聯函數建立方法
6．9物元係統與或網及擬人推理
6．9．1物元係統與或網概念及特點
6．9．2基於物元係統與或網的擬人推理
6．10本章小結
參考文獻
第7章人工魚的廣義模型
7．1人工魚模型概述
7．2擴展的人工魚模型
7．3人工魚的局部運動規律建模和模型的連續切換
7．4叼食物行為運動規律模型
7．5人工魚社會行為係統
7．6本章小結
參考文獻
第8章結論與展望

作者介紹

楊國為，北京科技大學工學博士，江西師範大學理學碩士，中國科學院半導體研究所神經網絡實驗室博士後，江西樟樹人。現為中國人工智能學會理事.中國人工智能學會可拓工程專業委員會副秘書長，中國人工智能學會智能控製與智能管理專業委員會委員，青島大學教授。已獨立完成2本著作，以發明人身份申請3個發明，公開發錶60餘篇學術論文，其中20餘篇以作者身份發錶的論文被SCI、EI、ISTP檢索。目前正主持國傢自然科學基金、山東省自然科學基金等基金的課題。

文摘

序言