人工脑信息处理模型及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工脑信息处理模型及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1人工脑的含义1

1.1.1人工脑的概念及功能1

1.1.2人工脑的定义2

1.1.3人工脑与超级计算机3

1.2人脑的信息模型5

1.2.1人脑的结构5

1.2.2大脑皮层功能区7

1.2.3人脑信息处理机制9

1.2.4学习记忆机制11

1.3人脑与电脑的比较15

1.3.1人脑与电脑功能的差别15

1.3.2人脑与电脑的优缺点15

1.3.3电脑的未来17

1.4人工脑的发展18

1.4.1早期的机器智能研究19

1.4.2计算机仿真进化模型20

1.4.3人工神经网络与智能信息处理21

1.4.4细胞自动机23

1.4.5日本第五代智能计算机24

1.4.6第六代电子计算机——神经计算机25

1.4.7 ATR的“细胞自动机-仿脑计划”26

1.4.8其他尝试27

1.5研究方法实现技术30

1.5.1生命科学基本概念30

1.5.2神经工程32

1.5.3人工神经网络34

1.5.4误差反向传播34

1.5.5知识涌现35

1.5.6 ATR细胞自动机-仿脑的实现36

1.5.7发展预测38

1.6展望38

1.6.1硬件方面39

1.6.2软件方面40

1.6.3研究方向41

参考文献42

第2章 人工脑信息处理神经网络模型43

2.1人工神经网络模型43

2.2前向网络44

2.3前向神经网络的分类（能力）模型47

2.4应用BP学习算法进行模式分类的隐患定理50

2.5一种新的多层感知神经网络模式分类模型51

2.6分式线性神经网络及其非线性逼近能力研究57

2.6.1分式线性神经网络57

2.6.2分式线性神经网络的非线性逼近能力59

2.6.3分式线性神经网络的BP学习算法62

2.6.4分式线性神经网络与BP神经网络在无界区域上逼近能力的比较71

2.6.5无界区域上的映射逼近仿真实验74

2.7基于遗传算法的分式线性神经网络优化设计与应用77

2.7.1遗传算法77

2.7.2基于遗传算法的分式线性神经网络BP算法设计90

2.7.3基于遗传算法的分式线性神经网络的大庆降雨量预测模型100

2.8基于神经网络的广域上非线性连续映射分块并行建模方法的研究109

2.8.1广域上非线性连续映射分块并行建模的必要性109

2.8.2广域上非线性连续映射的神经网络分块并行模型112

2.8.3小结116

2.9基于虚拟信源和神经网络的无损数据压缩方法的研究117

2.9.1 0与1字符串的虚拟信源118

2.9.2虚拟信源的一种神经网络模型119

2.9.3基于虚拟信源的无损数据压缩原理119

2.9.4实验结果120

2.10本章小结121

参考文献121

第3章 人工脑的基于同源同类事物连通本性的模式识别模型123

3.1仿生模式识别的两个关键技术问题研究123

3.1.1同类事物连续（连通）通路、方向的确定125

3.1.2判定高维空间中一点Z是否属于满意覆盖体？Vj的技术126

3.1.3应用实验131

3.2基于同源同类事物连通本性的认证识别神经网络133

3.2.1同源同类事物连通连网排序技术134

3.2.2超香肠神经元构造和优先度排序超香肠覆盖神经网络设计135

3.3基于同源同类事物连通本性的模式分类SLAM模型139

3.3.1通用前馈网络拓扑结构141

3.3.2保同源同类事物局部直接连通的模式分类SLAM模型142

3.3.3实验与分析147

3.3.4小结149

3.4基于同源同类事物连通本性的分块并行优先度排序神经网络149

3.4.1训练样本连通连网排序150

3.4.2分块并行优先度排序神经网络拓扑结构150

3.4.3基于同源同类事物连通本性的分块并行优先度排序神经网络算法150

3.5基于同源同类事物连通本性的分块并行优先度排序RBF神经网络154

3.5.1基于同源同类事物连通本性的优先度排序RBF网络的拓扑结构155

3.5.2基于同源同类事物连通本性的优先度排序RBF网络的训练算法155

3.5.3新增样本的增量学习158

3.6基于同源同类事物连通本性的分块并行优先度排序DBF神经网络162

3.7基于同源同类事物连通本性的分块并行优先度排序通用高阶神经网络163

3.8基于同源同类事物连通本性的分块并行优先度排序SVM169

3.8.1训练样本连通排序170

3.8.2分块并行优先度排序SVM拓扑结构170

3.8.3基于同源同类事物连通本性的分块并行优先度排序SVM算法170

3.9模式可拓识别与模式可拓识别神经网络模型174

3.9.1模式可拓识别方法175

3.9.2高维模式可拓识别的一种神经网络模型179

3.9.3小结180

参考文献180

第4章 人工脑感知联想记忆模型183

4.1时变容错域的感知联想记忆模型及其实现算法183

4.1.1时变容错域的四层感知联想记忆模型及其实现算法184

4.1.2时变容错域感知联想记忆模型的遗忘与记忆扩充191

4.1.3仿真实验与讨论193

4.1.4小结196

4.2人工脑可控容错域的联想记忆模型与仿真实现197

4.2.1可控容错域联想记忆的样本容错域设计197

4.2.2可控容错域联想记忆模型的分块并行确定方法199

4.3本章小结200

参考文献200

第5章 人工脑具有期望容错域的联想记忆模型的设计方法202

5.1人工脑具有期望容错域的前向掩蔽联想记忆模型的设计方法202

5.1.1引言202

5.1.2前向掩蔽联想记忆模型的样本任意期望容错域设计204

5.1.3期望容错域的前向掩蔽联想记忆模型拓扑结构205

5.1.4期望容错域的前向掩蔽联想记忆模型确定的排序学习算法207

5.1.5小结212

5.2人工脑具有期望时变容错域的联想记忆模型的设计方法212

5.2.1联想记忆模型的样本任意期望容错域设计213

5.2.2联想记忆模型的拓扑结构214

5.2.3基于排序学习与增量学习相结合的联想记忆模型确定214

5.2.4小结221

5.3具有期望容错域的超弦星系联想记忆模型的设计方法221

5.3.1超弦理论与联想记忆221

5.3.2超弦星系联想记忆模型的样本任意期望容错域设计223

5.3.3期望容错域的超弦星系联想记忆模型拓扑结构224

5.3.4期望容错域的超弦星系联想记忆模型确定227

5.3.5遗忘与记忆扩充算法234

5.3.6联想记忆模型实例235

5.3.7小结238

参考文献239

第6章 人工脑拟人处理矛盾的物元动态系统模型化方法241

6.1广义物元系统可拓集的概念241

6.2广义物元系统可拓集的运算243

6.3广义物元系统可拓集的限制244

6.4广义限制物元系统和广义限制物元系统可拓关系246

6.5广义问题的概念247

6.6广义问题的模型248

6.7广义问题求解248

6.7.1对立问题的转换及转折解法248

6.7.2不相容问题转换及转折解法249

6.7.3不相容关系问题的转换及转折解法250

6.7.4广义问题求解过程251

6.7.5广义问题求解算法251

6.8物元可拓集中面向实际的关联函数建立方法255

6.9物元系统与或网及拟人推理264

6.9.1物元系统与或网概念及特点264

6.9.2基于物元系统与或网的拟人推理270

6.10本章小结277

参考文献277

第7章 人工鱼的广义模型279

7.1人工鱼模型概述279

7.2扩展的人工鱼模型282

7.3人工鱼的局部运动规律建模和模型的随机连续切换283

7.4叼食物行为运动规律模型286

7.5人工鱼社会行为系统291

7.6本章小结294

参考文献294

第8章 结论与展望295