神经智能 认知科学中若干重大问题的研究

7 (p1): 1．新型智能信息处理系统概论
7 (p1-2): 1.1 概述
9 (p1-3): 1.2 生物型神经网络
10 (p1-4): 1.3 人工神经网络的结构
20 (p1-5): 1.4 人工神经网络的学习
24 (p1-6): 1.5 人工神经网络的基本特征
27 (p1-7): 1.6 神经网络信息处理系统
31 (p2): 2．神经网络模型、学习规则及常用快速算法
31 (p2-2): 2.1 概述
34 (p2-3): 2.2 神经网络的学习规则
36 (p2-4): 2.3 感知器模型
39 (p2-5): 2.4 反向传播网络（BPN）模型
44 (p2-6): 2.5 自组织特征映射模型
48 (p2-7): 2.6 回归网络模型
51 (p2-8): 2.7 混合网络模型和混合系统模型
54 (p3): 3．神经网络中的几个基本问题
54 (p3-2): 3.1 概述
56 (p3-3): 3.2 神经网络能解决哪些问题
56 (p3-4): 3.3 容量问题
58 (p3-5): 3.4 推广能力问题
61 (p3-6): 3.5 学习问题
64 (p3-7): 3.6 神经网络的自组织性
75 (p3-8): 3.7 神经网络的自适应性
80 (p3-9): 4.1 概述
80 (p4): 4．神经网络能力与性能评价
81 (p4-2): 4.2 几种主要性能
87 (p4-3): 4.3 传统的方法与人工神经网络的比较
88 (p4-4): 4.4 人工神经网络的性能评价
90 (p4-5): 4.5 对人工神经网络能力的进一步研究
94 (p5): 5．混沌神经网络
94 (p5-2): 5.1 概述
95 (p5-3): 5.2 一个简单的混沌系统
97 (p5-4): 5.3 混沌神经网络
101 (p5-5): 5.4 混沌神经网络的学习
103 (p5-6): 5.5 混沌神经网络的实现
109 (p5-7): 5.6 混沌神经网络的应用
114 (p5-8): 5.7 其它混沌神经元例子
119 (p6): 6．联想记忆网络
119 (p6-2): 6.1 概述
122 (p6-3): 6.2 联想记忆神经网络的学习算法
124 (p6-4): 6.3 ？联想记忆神经网络
128 (p6-5): 6.4 分级联想记忆神经网络
130 (p6-6): 6.5 异联想与双向联想记忆
135 (p6-7): 6.6 双向联想记忆的迭代编码
144 (p7): 7．模糊神经网络
144 (p7-2): 7.1 概述
148 (p7-3): 7.2 模糊神经元的几种基本模型
156 (p7-4): 7.3 模糊联想记忆的基本原理
168 (p7-5): 7.4 模糊极小—极大神经网络分类器
172 (p7-6): 7.5 模糊关系神经网络
180 (p8): 8．神经网络信号处理
180 (p8-2): 8.1 概述
181 (p8-3): 8.2 神经网络用于信号变换
185 (p8-4): 8.3 神经网络用于系统辨识
189 (p8-5): 8.4 神经网络用于时间序列预测
192 (p8-6): 8.5 神经网络用于非线性信号处理
193 (p8-7): 8.6 神经网络用于自适应信号处理
197 (p9): 9．神经网络语音处理与识别
197 (p9-2): 9.1 概述
197 (p9-3): 9.2 听觉模型研究概述
201 (p9-4): 9.3 用于语音识别的神经网络方法
213 (p9-5): 9.4 利用神经网络方法进行说话人识别
217 (p9-6): 9.5 神经网络用于语音编码
219 (p10): 10．神经网络图像复原
219 (p10-2): 10.1 概述
221 (p10-3): 10.2 图像的退化模型
222 (p10-4): 10.3 基于Hopfield网络的图像复原方法
225 (p10-5): 10.4 改进的Hopfield型神经网络复原方法
228 (p10-6): 10.5 分块神经网络图像复原方法
231 (p10-7): 10.6 基于多层感知器的图像复原方法
235 (p11): 11．神经网络图像压缩编码
235 (p11-2): 11.1 概述
237 (p11-3): 11.2 神经网络非线性预测编码
242 (p11-4): 11.3 神经网络矢量量化方法
251 (p11-5): 11.4 神经网络图像变换编码方法
256 (p11-6): 11.5 主分量神经网络图像编码
261 (p11-7): 11.6 信息分形神经网络与潜在的图像压缩编码应用
263 (p11-8): 11.7 结束语
265 (p12):…