1 (p0-1): 目录 1 (p0-2): 译者的话 1 (p0-3): 前言 1 (p0-4): 第一章 绪论 2 (p0-5): 1.1 本书的研究内容 3 (p0-6): 1.2 一些神经网络模型 5 (p0-7): 1.3 模拟Hopfield神经网络的定性分析:全局结果 7 (p0-8): 1.4 工作于闭超立方体上的线性系统的稳定性分析 8 (p0-9): 1.5 Hopfield神经网络的定性分析:局部结果 10 (p0-10): 1.6 参数摄动的定性影响 12 (p0-11): 1.7 时间延迟的定性影响 14 (p0-12): 1.8 联想记忆的一些综合方法 16 (p0-13): 1.9 互连约束的影响 16 (p0-14): 参考文献 20 (p0-15): 第二章 一些神经网络的模型 20 (p0-16): 2.1 引言 24 (p0-17): 2.2 模拟Hopfield神经网络模型 27 (p0-18): 2.3 离散Hopfield神经网络模型 29 (p0-19): 2.4 Hopfield模型的广义形式 30 (p0-20): 2.5 具有无限增益放大器的模拟Hopfield神经网络 32 (p0-21): 2.6 工作于闭超立方体上的线性系统 36 (p0-22): 2.7 小结 39 (p0-23): 2.8 附注 39 (p0-24): 参考文献 43 (p0-25): 3.1 广义模拟Hopfield神经网络模型:系统(L) 43 (p0-26): 第三章 模拟Hopfield神经网络的定性分析:全局结果 44 (p0-27): 3.2 符号说明及预备知识 46 (p0-28): 3.3 广义Hopfield模型的假设 49 (p0-29): 3.4 广义Hopfield模型的主要结果 53 (p0-30): 3.5 带有无限增益放大器的模拟Hopfield神经网络模型:系统(N) 54 (p0-31): 3.6 系统(N)的解的定义及其性质 61 (p0-32): 3.7 系统(N)的平衡点及输出向量的定性特性 63 (p0-33): 3.8 基于能量函数的系统(N)的定性分析 69 (p0-34): 3.9 小结 70 (p0-35): 3.10 附注 71 (p0-36): 参考文献 72 (p0-37): 第四章 工作于闭超立方体上的线性系统的稳定性分析:系统(M) 72 (p0-38): 4.1 工作于闭超立方体上的线性连续系统(M) 73 (p0-39): 4.3 系统(M)的解的定义及特性 73 (p0-40): 4.2 符号说明 76 (p0-41): 4.4 系统(M)的平衡点的定性特性 80 (p0-42): 4.5 基于能量函数的系统(M)的定性分析 81 (p0-43): 4.6 工作于闭超立方体上的线性离散系统 90 (p0-44): 4.7 工作于闭超立方体上的线性连续系统的全局渐近稳定性 96 (p0-45): 4.8 工作于闭超立方体上的线性离散系统的全局渐近稳定性 100 (p0-46): 4.9 小结 101 (p0-47): 4.10 附注 102 (p0-48): 参考文献 104 (p0-49): 第五章 Hopfield神经网络的定性分析:局部结果 104 (p0-50): 5.1 符号说明 105 (p0-51): 5.2 背景资料 106 (p0-52): 5.3 被视为互连系统的模拟Hopfield模型 109 (p0-53): 5.4 单个神经元子系统的稳定性分析 112 (p0-54): 5.5 模拟Hopfield神经网络模型的定性分析:局部结果 129 (p0-55): 5.6 同步离散Hopfield神经网络的分析 136 (p0-56): 5.7 具有饱和非线性激活函数的模拟Hopfield神经网络的分析 141 (p0-57): 5.8 小结 143 (p0-58): 5.9 附注 144 (p0-59): 参考文献 146 (p0-60): 第六章 参数摄动的定性影响 146 (p0-61): 6.1 引言 147 (p0-62):...

zlibzh/no-category/（美）A.N.米歇尔（Anthony N. Michel），刘德荣著；张化光等译, (美)A.N.米歇尔(Anthony N. Michel), 刘德荣著 , 张化光, 季策, 王占山译, 米歇尔, Chel Mi, 刘德荣, 张化光, 季策, 王占山/递归人工神经网络的定性分析和综合_72470422.pdf

Science Press

China, People's Republic, China

Di 1 ban, Beijing, 2004

Bookmarks: p0-1 (p1): 目录
p0-2 (p1): 译者的话
p0-3 (p1): 前言
p0-4 (p1): 第一章　绪论
p0-5 (p2): 1.1　本书的研究内容
p0-6 (p3): 1.2　一些神经网络模型
p0-7 (p5): 1.3　模拟Hopfield神经网络的定性分析：全局结果
p0-8 (p7): 1.4　工作于闭超立方体上的线性系统的稳定性分析
p0-9 (p8): 1.5 Hopfield神经网络的定性分析：局部结果
p0-10 (p10): 1.6　参数摄动的定性影响
p0-11 (p12): 1.7　时间延迟的定性影响
p0-12 (p14): 1.8　联想记忆的一些综合方法
p0-13 (p16): 1.9　互连约束的影响
p0-14 (p16): 参考文献
p0-15 (p20): 第二章　一些神经网络的模型
p0-16 (p20): 2.1　引言
p0-17 (p24): 2.2　模拟Hopfield神经网络模型
p0-18 (p27): 2.3　离散Hopfield神经网络模型
p0-19 (p29): 2.4　Hopfield模型的广义形式
p0-20 (p30): 2.5　具有无限增益放大器的模拟Hopfield神经网络
p0-21 (p32): 2.6　工作于闭超立方体上的线性系统
p0-22 (p36): 2.7　小结
p0-23 (p39): 2.8　附注
p0-24 (p39): 参考文献
p0-25 (p43): 3.1 广义模拟Hopfield神经网络模型：系统（L）
p0-26 (p43): 第三章　模拟Hopfield神经网络的定性分析：全局结果
p0-27 (p44): 3.2　符号说明及预备知识
p0-28 (p46): 3.3　广义Hopfield模型的假设
p0-29 (p49): 3.4　广义Hopfield模型的主要结果
p0-30 (p53): 3.5 带有无限增益放大器的模拟Hopfield神经网络模型：系统（N）
p0-31 (p54): 3.6　系统（N）的解的定义及其性质
p0-32 (p61): 3.7　系统（N）的平衡点及输出向量的定性特性
p0-33 (p63): 3.8　基于能量函数的系统（N）的定性分析
p0-34 (p69): 3.9　小结
p0-35 (p70): 3.10　附注
p0-36 (p71): 参考文献
p0-37 (p72): 第四章　工作于闭超立方体上的线性系统的稳定性分析：系统（M）
p0-38 (p72): 4.1　工作于闭超立方体上的线性连续系统（M）
p0-39 (p73): 4.3　系统（M）的解的定义及特性
p0-40 (p73): 4.2　符号说明
p0-41 (p76): 4.4　系统（M）的平衡点的定性特性
p0-42 (p80): 4.5　基于能量函数的系统（M）的定性分析
p0-43 (p81): 4.6　 工作于闭超立方体上的线性离散系统
p0-44 (p90): 4.7　工作于闭超立方体上的线性连续系统的全局渐近稳定性
p0-45 (p96): 4.8　工作于闭超立方体上的线性离散系统的全局渐近稳定性
p0-46 (p100): 4.9　小结
p0-47 (p101): 4.10　 附注
p0-48 (p102): 参考文献
p0-49 (p104): 第五章　Hopfield神经网络的定性分析：局部结果
p0-50 (p104): 5.1　符号说明
p0-51 (p105): 5.2　背景资料
p0-52 (p106): 5.3　被视为互连系统的模拟Hopfield模型
p0-53 (p109): 5.4　单个神经元子系统的稳定性分析
p0-54 (p112): 5.5　模拟Hopfield神经网络模型的定性分析：局部结果
p0-55 (p129): 5.6　同步离散Hopfield神经网络的分析
p0-56 (p136): 5.7　具有饱和非线性激活函数的模拟Hopfield神经网络的分析
p0-57 (p141): 5.8　小结
p0-58 (p143): 5.9　附注
p0-59 (p144): 参考文献
p0-60 (p146): 第六章　参数摄动的定性影响
p0-61 (p146): 6.1 引言
p0-62 (p147): 6.2　符号说明
p0-63 (p148): 6.3　鲁棒稳定性：具有固定平衡点的摄动系统
p0-64 (p150): 6.4　鲁棒稳定性：具有摄动平衡点的摄动系统
p0-65 (p156): 6.5　具有Sigmoid激活函数神经网络的分析
p0-66 (p162): 6.6　具有硬限幅器型激活函数神经网络的分析
p0-67 (p166): 6.7　小结
p0-68 (p168): 6.8　附注
p0-69 (p168): 参考文献
p0-70 (p170): 第七章　时间延迟的定性影响
p0-71 (p170): 7.1　引言
p0-72 (p172): 7.2　预备知识（Hopfield神经网络）
p0-73 (p174): 7.3　延迟Hopfield神经网络的全局稳定性
p0-74 (p179): 7.4　延迟Hopfield神经网络的局部稳定结果
p0-75 (p182): 7.5 Hopfield神经网络的一个例子
p0-76 (p183): 7.6　预备知识（Cohen-Grossberg神经网络）
p0-77 (p185): 7.7　多延迟Cohen-Grossberg神经网络的全局稳定性
p0-78 (p191): 7.8　多延迟Cohen-Grossberg神经网络局部稳定结果
p0-79 (p194): 7.9　具有任意有界延迟的非线性系统
p0-80 (p198): 7.10　具有固定有界延迟的非线性系统
p0-81 (p205): 7.11 具有非对称互连结构延时神经网络的稳定性分析
p0-82 (p210): 7.12　延时神经网络的鲁棒稳定性分析
p0-83 (p211): 7.13　示例
p0-84 (p213): 7.14　小结
p0-85 (p217): 7.15　附注
p0-86 (p218): 参考文献
p0-87 (p221): 第八章　联想记忆的一些综合方法
p0-88 (p221): 8.1　引言：外积法与投影学习规则
p0-89 (p225): 8.2　投影学习规则的一些扩展
p0-90 (p228): 8.3　特征结构法
p0-91 (p233): 8.4　特征结构法的一些扩展
p0-92 (p236): 8.5　基于感知器训练算法的递归神经网络的综合
p0-93 (p245): 8.6　基于感知器训练算法的一些扩展
p0-94 (p249): 8.7　示例
p0-95 (p263): 8.8　小结
p0-96 (p266): 8.9　附注
p0-97 (p267): 参考文献
p0-98 (p269): 第九章　互连约束的影响
p0-99 (p269): 9.1　引言
p0-100 (p270): 9.2　稀疏互连神经网络综合的特征结构法
p0-101 (p275): 9.3　稀疏互连神经网络综合的基于感知器的训练算法
p0-102 (p276): 9.4　实现联想记忆的细胞神经网络的综合
p0-103 (p283): 9.5　示例
p0-104 (p295): 9.6　小结
p0-105 (p296): 9.7　附注
p0-106 (p297): 参考文献

related_files:
filepath:/读秀/DX/2.0/2.0等多个文件/其余书库等多个文件/843_28_6b/2.0等多个文件/07_湖州待下载(书名错误)/用户心理与行为_11499539.zip
filepath:用户心理与行为_11499539.zip — md5:22ba24cc1d3852086fbad9c15182c3ce — filesize:25070050
filepath:用户心理与行为_11499539.zip — md5:933b333c6b18e6f97d823ea66568d693 — filesize:25070050
filepath:_11499539.zip — md5:3acf73ff9f52756980c785ee60f08ee5 — filesize:25047399
filepath:_11499539.zip — md5:3e17a44379ca8d9239f26356d2267ab8 — filesize:25049260
filepath:11499539.zip — md5:1934a51d1cd43258a381b4f957535e9f — filesize:25112749
filepath:11499539.rar — md5:82bc28305684b2a5030a7c53d4b2212a — filesize:25070524
filepath:11499539.zip — md5:1df7773f9g9f68f256701bf82a2a7916 — filesize:25112749
filepath:/读秀/读秀3.0/读秀/3.0/3.0新/其余书库等多个文件/0111/108/11499539.zip
filepath:/读秀/读秀4.0/读秀/4.0/数据库11-2/用户心理与行为_11499539.zip
filepath:第八部分/IIIIII/108/11499539.zip

topic: 人工神经元网络-研究

tags: 递归;人工;神经网络;定性分析;综合;当代;专著

Type: 当代图书

Bookmarks:
1. (p12) 第一章 绪论
1.1. (p13) 1.1 本书的研究内容
1.2. (p14) 1.2 一些神经网络模型
1.3. (p16) 1.3 模拟Hopfield神经网络的定性分析:全局结果
1.4. (p18) 1.4 工作于闭超立方体上的线性系统的稳定性分析
1.5. (p19) 1.5 Hopfield神经网络的定性分析:局部结果
1.6. (p21) 1.6 参数摄动的定性影响
1.7. (p23) 1.7 时间延迟的定性影响
1.8. (p25) 1.8 联想记忆的一些综合方法
1.9. (p27) 1.9 互连约束的影响
1.10. (p27) 参考文献
2. (p31) 第二章 一些神经网络的模型
2.1. (p31) 2.1 引言
2.2. (p35) 2.2 模拟Hopfield神经网络模型
2.3. (p38) 2.3 离散Hopfield神经网络模型
2.4. (p40) 2.4 Hopfield模型的广义形式
2.5. (p41) 2.5 具有无限增益放大器的模拟Hopfield神经网络
2.6. (p43) 2.6 工作于闭超立方体上的线性系统
2.7. (p47) 2.7 小结
2.8. (p50) 2.8 附注
2.9. (p50) 参考文献
3. (p54) 第三章 模拟Hopfield神经网络的定性分析:全局结果
3.1. (p54) 3.1 广义模拟Hopfield神经网络模型:系统(L)
3.2. (p55) 3.2 符号说明及预备知识
3.3. (p57) 3.3 广义Hopfield模型的假设
3.4. (p60) 3.4 广义Hopfield模型的主要结果
3.5. (p64) 3.5 带有无限增益放大器的模拟Hopfield神经网络模型:系统(N)
3.6. (p65) 3.6 系统(N)的解的定义及其性质
3.7. (p72) 3.7 系统(N)的平衡点及输出向量的定性特性
3.8. (p74) 3.8 基于能量函数的系统(N)的定性分析
3.9. (p80) 3.9 小结
3.10. (p81) 3.10 附注
3.11. (p82) 参考文献
4. (p83) 第四章 工作于闭超立方体上的线性系统的稳定性分析:系统(M)
4.1. (p83) 4.1 工作于闭超立方体上的线性连续系统(M)
4.2. (p84) 4.2 符号说明
4.3. (p84) 4.3 系统(M)的解的定义及特性
4.4. (p87) 4.4 系统(M)的平衡点的定性特性
4.5. (p91) 4.5 基于能量函数的系统(M)的定性分析
4.6. (p92) 4.6 工作于闭超立方体上的线性离散系统
4.7. (p101) 4.7 工作于闭超立方体上的线性连续系统的全局渐近稳定性
4.8. (p107) 4.8 工作于闭超立方体上的线性离散系统的全局渐近稳定性
4.9. (p111) 4.9 小结
4.10. (p112) 4.10 附注
4.11. (p113) 参考文献
5. (p115) 第五章 Hopfield神经网络的定性分析:局部结果
5.1. (p115) 5.1 符号说明
5.2. (p116) 5.2 背景资料
5.3. (p117) 5.3 被视为互连系统的模拟Hopfield模型
5.4. (p120) 5.4 单个神经元子系统的稳定性分析
5.5. (p123) 5.5 模拟Hopfield神经网络模型的定性分析:局部结果
5.6. (p140) 5.6 同步离散Hopfield神经网络的分析
5.7. (p147) 5.7 具有饱和非线性激活函数的模拟Hopfield神经网络的分析
5.8. (p152) 5.8 小结
5.9. (p154) 5.9 附注
5.10. (p155) 参考文献
6. (p157) 第六章 参数摄动的定性影响
6.1. (p157) 6.1 引言
6.2. (p158) 6.2 符号说明
6.3. (p159) 6.3 鲁棒稳定性:具有固定平衡点的摄动系统
6.4. (p161) 6.4 鲁棒稳定性:具有摄动平衡点的摄动系统
6.5. (p167) 6.5 具有Sigmoid激活函数神经网络的分析
6.6. (p173) 6.6 具有硬限幅器型激活函数神经网络的分析
6.7. (p177) 6.7 小结
6.8. (p179) 6.8 附注
6.9. (p179) 参考文献
7. (p181) 第七章 时间延迟的定性影响
7.1. (p181) 7.1 引言
7.2. (p183) 7.2 预备知识(Hopfield神经网络)
7.3. (p185) 7.3 延迟Hopfield神经网络的全局稳定性
7.4. (p190) 7.4 延迟Hopfield神经网络的局部稳定结果
7.5. (p193) 7.5 Hopfield神经网络的一个例子
7.6. (p194) 7.6 预备知识(Cohen-Grossberg神经网络)
7.7. (p196) 7.7 多延迟Cohen-Grossberg神经网络的全局稳定性
7.8. (p202) 7.8 多延迟Cohen-Grossberg神经网络局部稳定结果
7.9. (p205) 7.9 具有任意有界延迟的非线性系统
7.10. (p209) 7.10 具有固定有界延迟的非线性系统
7.11. (p216) 7.11 具有非对称互连结构延时神经网络的稳定性分析
7.12. (p221) 7.12 延时神经网络的鲁棒稳定性分析
7.13. (p222) 7.13 示例
7.14. (p224) 7.14 小结
7.15. (p228) 7.15 附注
7.16. (p229) 参考文献
8. (p232) 第八章 联想记忆的一些综合方法
8.1. (p232) 8.1 引言:外积法与投影学习规则
8.2. (p236) 8.2 投影学习规则的一些扩展
8.3. (p239) 8.3 特征结构法
8.4. (p244) 8.4 特征结构法的一些扩展
8.5. (p247) 8.5 基于感知器训练算法的递归神经网络的综合
8.6. (p256) 8.6 基于感知器训练算法的一些扩展
8.7. (p260) 8.7 示例
8.8. (p274) 8.8 小结
8.9. (p277) 8.9 附注
8.10. (p278) 参考文献
9. (p280) 第九章 互连约束的影响
9.1. (p280) 9.1 引言
9.2. (p281) 9.2 稀疏互连神经网络综合的特征结构法
9.3. (p286) 9.3 稀疏互连神经网络综合的基于感知器的训练算法
9.4. (p287) 9.4 实现联想记忆的细胞神经网络的综合
9.5. (p294) 9.5 示例
9.6. (p306) 9.6 小结
9.7. (p307) 9.7 附注
9.8. (p308) 参考文献

Subject: 递归;人工;神经网络;定性分析;综合;当代;专著

theme: 人工神经元网络-研究

label: 递归;人工;神经网络;定性分析;综合;当代;专著

Type: modern

本书系统地研究了递归人工神经网络的定性性能及其局限性.全书共九章, 主要内容包括针对一系列递归人工神经网络模型的全局性能及局部性能的定性分析以及参数摄动, 时间延迟, 互联结构约束等对其性能的影响

2024-06-13