自適應(yīng)多尺度網(wǎng)絡(luò)理論與應(yīng)用

前言
第1章　緒論
1.1　認(rèn)知神經(jīng)科學(xué)
1.2　神經(jīng)計算
1.2.1　神經(jīng)計算的研究范疇
1.2.2　神經(jīng)計算的歷史與發(fā)展
1.2.3　神經(jīng)計算的幾個重要研究領(lǐng)域
1.3　本書的主要內(nèi)容
參考文獻(xiàn)
第2章　統(tǒng)計學(xué)習(xí)：神經(jīng)網(wǎng)絡(luò)模型
2.1　Bayes理論
2.2　單層前饋網(wǎng)絡(luò)和學(xué)習(xí)規(guī)則
2.2.1　感知器訓(xùn)練規(guī)則
2.2.2　線性單元的梯度下降規(guī)則
2.2.3　隨機(jī)梯度下降法
2.2.4　線性規(guī)劃方法
2.3　多層網(wǎng)絡(luò)和反向傳播學(xué)習(xí)規(guī)則
2.3.1　反向傳播算法
2.3.2　反向傳播算法性能分析
2.3.3　改進(jìn)的反向傳播算法
2.4　SRM和SVM網(wǎng)絡(luò)
2.4.1　線性支撐矢量機(jī)網(wǎng)絡(luò)
2.4.2　非線性支撐矢量機(jī)網(wǎng)絡(luò)
參考文獻(xiàn)
第3章　神經(jīng)計算進(jìn)展
3.1　Bayes神經(jīng)網(wǎng)絡(luò)
3.1.1　Bayes網(wǎng)絡(luò)
3.1.2　Bayes網(wǎng)絡(luò)推斷
3.1.3　Bayes網(wǎng)絡(luò)學(xué)習(xí)
3.2　正則學(xué)習(xí)和RBF神經(jīng)網(wǎng)絡(luò)
3.2.1　具有徑向基穩(wěn)定子的正則網(wǎng)絡(luò)
3.2.2　具有張量穩(wěn)定子的正則網(wǎng)絡(luò)
3.2.3　具有加性穩(wěn)定子的正則網(wǎng)絡(luò)
3.2.4　正則網(wǎng)絡(luò)的Bayes解釋
3.2.5　徑向基神經(jīng)網(wǎng)絡(luò)
3.3　多尺度分析和子波神經(jīng)網(wǎng)絡(luò)
3.3.1　子波理論
3.3.2　多變量函數(shù)估計子波網(wǎng)絡(luò)
3.3.3　正交多分辨子波網(wǎng)絡(luò)
3.3.4　多子波神經(jīng)網(wǎng)絡(luò)
3.4　量子神經(jīng)網(wǎng)絡(luò)
3.4.1　基于量子雙縫干涉實(shí)驗(yàn)的計算模型
3.4.2　具有量子力學(xué)特性的人工神經(jīng)元模型
3.4.3　量子聯(lián)想記憶模型
3.4.4　基于多宇宙觀點(diǎn)的計算模型
參考文獻(xiàn)
第4章　多尺度幾何分析與網(wǎng)絡(luò)
4.1　多尺度分析
4.2　多尺度幾何分析系統(tǒng)中的方向基
4.3　脊波
4.4　曲線波
4.5　輪廓波
4.6　Bandelet
4.7　Beamlet
4.8　Brushlet
4.9　Wedgelet
4.10　多尺度幾何網(wǎng)絡(luò)
參考文獻(xiàn)
第5章　自適應(yīng)脊波網(wǎng)絡(luò)
5.1　引言
5.2　自適應(yīng)連續(xù)脊波網(wǎng)絡(luò)
5.2.1　網(wǎng)絡(luò)模型和算法
5.2.2　網(wǎng)絡(luò)收斂性能分析
5.2.3　實(shí)驗(yàn)和結(jié)果分析
5.3　廣義正則脊波網(wǎng)絡(luò)
5.3.1　網(wǎng)絡(luò)模型和學(xué)習(xí)算法
5.3.2　實(shí)驗(yàn)結(jié)果分析
參考文獻(xiàn)
第6章　方向多分辨脊波網(wǎng)絡(luò)
6.1　引言
6.2　脊波框架
6.3　方向多分辨脊波網(wǎng)絡(luò)
6.3.1　網(wǎng)絡(luò)模型
6.3.2　網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)目的確定
6.3.3　網(wǎng)絡(luò)訓(xùn)練算法
6.4　方向多分辨脊波網(wǎng)絡(luò)的性質(zhì)
6.5　實(shí)驗(yàn)和結(jié)果分析
參考文獻(xiàn)
第7章　線性脊波網(wǎng)絡(luò)
7.1　核光滑方法
7.2　線性脊波模型
7.2.1　線性脊波網(wǎng)絡(luò)
7.2.2　學(xué)習(xí)算法
7.3　實(shí)驗(yàn)和結(jié)果分析
參考文獻(xiàn)
第8章　脊波核函數(shù)網(wǎng)絡(luò)
8.1　引言
8.2　脊波核函數(shù)網(wǎng)絡(luò)
8.3　脊波核函數(shù)網(wǎng)絡(luò)的學(xué)習(xí)算法
8.3.1　最小化平方誤差算法的正則化核形式
8.3.2　基于遺傳算法的方向向量優(yōu)化
8.4　實(shí)驗(yàn)和結(jié)果分析
參考文獻(xiàn)
第9章　曲線波網(wǎng)絡(luò)模型
9.1　引言
9.2　圖像處理中的曲線波變換
9.3　曲線波框架的性質(zhì)
9.4　曲線波網(wǎng)絡(luò)
9.5　實(shí)驗(yàn)和結(jié)果分析
參考文獻(xiàn)
第10章　輪廓波網(wǎng)絡(luò)模型
10.1　輪廓波網(wǎng)絡(luò)模型
10.2　基于子波包分解的輪廓波包
10.3　最優(yōu)輪廓波包
10.4　基于量子遺傳算法的最優(yōu)輪廓波包的構(gòu)造
10.4.1　量子遺傳算法
10.4.2　量子遺傳算法優(yōu)化輪廓波包
10.5　最優(yōu)輪廓波包網(wǎng)絡(luò)
10.6　實(shí)驗(yàn)和結(jié)果分析
參考文獻(xiàn)