人工腦信息處理模型及其應用（簡體書）

本書是關於智能信息處理模型及其應用的一本專著。著重介紹了作者提出的基於對事物（信息）認知、理解的人工腦信息處理模型。主要內容包括：人工腦信息處理系列神經網絡模型，人工腦的基於同源的同類事物連通本性的系列模式識別模型，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的設計方法，人工腦擬人處理矛盾的物元動態系統模型化方法，人工魚的廣義模型，以及有關模型的應用。

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后，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制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，以第一發明人身份申請3個發明專利，公開發表60余篇學術論文，其中20余篇以第一作者身份發表的論文被SCI、EI、ISTP檢索。目前正主持國家自然科學基金、山東省自然科學基金等基金的課題。

《智能科學技術著作叢書》序
序
前言
第1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 人腦信息處理機制
1．2．4 學習記憶機制
1．3 人腦與電腦的比較
1．3．1 人腦與電腦功能的差別
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 誤差反向傳播
1．5．5 知識涌現
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 硬件方面
1．6．2 軟件方面
1．6．3 研究方向
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 前向網絡
2．3 前向神經網絡的分類(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 分式線性神經網絡及其非線性逼近能力研究
2．6．1 分式線性神經網絡
2．6．2 分式線性神經網絡的非線性逼近能力
2．6．3 分式線性神經網絡的BP學習算法
2．6．4 分式線性神經網絡與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線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線性神經網絡BP算法設計
2．7．3 基於遺傳算法的分式線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線性連續映射分塊並行建模方法的研究
2．8．1 廣域上非線性連續映射分塊並行建模的必要性
2．8．2 廣域上非線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
2．9．1 0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別模型
3．1 仿生模式識別的兩個關鍵技術問題研究
3．1．1 同類事物連續(連通)通路、方向的確定
3．1．2 判定高維空間中一點Z是否屬于滿意覆蓋體□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別神經網絡
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 模式可拓識別與模式可拓識別神經網絡模型
3．9．1 模式可拓識別方法
3．9．2 高維模式可拓識別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向掩蔽聯想記憶模型的設計方法
5．1．1 引言
5．1．2 前向掩蔽聯想記憶模型的樣本任意期望容錯域設計
5．1．3 期望容錯域的前向掩蔽聯想記憶模型拓撲結構
5．1．4 期望容錯域的前向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合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系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 超弦星系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系聯想記憶模型拓撲結構
5．3．4 期望容錯域的超弦星系聯想記憶模型確定
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系統模型化方法
6．1 廣義物元系統可拓集的概念l
6．2 廣義物元系統可拓集的運算
6．3 廣義物元系統可拓集的限制
6．4 廣義限制物元系統和廣義限制物元系統可拓關係
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折解法
6．7．2 不相容問題轉換及轉折解法
6．7．3 不相容關係問題的轉換及轉折解法
6．7．4 廣義問題求解過程
6．7．5 廣義問題求解算法
6．8 物元可拓集中面向實際的關聯函數建立方法
6．9 物元系統與或網及擬人推理
6．9．1 物元系統與或網概念及特點
6．9．2 基於物元系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隨機連續切換
7．4 叼食物行為運動規律模型
7．5 人工魚社會行為系統
7．6 本章小結
參考文獻
第8章 結論與展望