人工神经网络及其融合应用技术

　　前言
　　第1章  绪论
　　1.1  人工神经网络概述
　　1.2  人工神经网络的发展趋势
　　1.3  人工神经网络与其他智能方法的融合
　　1.4  本章小结
　　第2章  前馈型神经网络
　　2.1  BP误差反向传播神经网络
　　2.2  RBF径向基函数神经网络
　　2.3  CMAC小脑神经网络
　　2.4  RBF神经网络在平面刚架结构损伤辨识中的应用
　　2.5  本章小结
　　第3章  反馈型神经网络
　　3.1  Hopfield反馈神经网络模型
　　3.2  双向联想记忆BAM神经网络
　　3.3  应用实例
　　3.4  本章小结
　　第4章  自组织型神经网络
　　4.1  Kohonen自组织映射神经网络
　　4.2  CPN对偶传传播经网络
　　4.3  自适应共振理论（ART）
　　4.4  应用实例
　　4.5  本章小结
　　第5章  量子神经网络
　　5.1  量子计算基础
　　5.2  量子神经元
　　5.3  几种量子神经网络模型
　　5.4  本章小结
　　第6章  神经网络与遗传算法
　　6.1  遗传算法基本理论
　　6.2  基本遗传算法
　　6.3  压缩映射遗传算法
　　6.4  神经网络与遗传算法的融合
　　6.5  遗传神经网络建立活性石灰生产线质量智能监控模型
　　6.6  本章小结
　　第7章  神经网络与灰色系统
　　7.1  灰色系统基本概念
　　7.2  灰色神经网络建模
　　7.3  灰色RBF神经网络静态预测模型
　　7.4  GNNM（1，N）建模方法在斜拉桥系统中的应用
　　7.5  本章小结
　　第8章  神经网络与专家系统
　　8.1  专家系统的基本结构
　　8.2  专家知识的表示、获取和推理
　　8.3  神经网络与专家系统的融合
　　8.4  基于神经网络的专家系统的设计与实现
　　8.5  本章小结
　　第9章  模糊神经网络
　　9.1  模糊理论基础
　　9.2  模糊神经网络基础
　　9.3  桥梁承载能力状态评估的模糊神经网络推理方法
　　9.4  模糊神经网络与遗传算法的融合
　　9.5  模糊推理技术与专家系统的融合
　　9.6  本章小结
　　参考文献
　　附录  Matlab简介

　　    《人工神经网络及其融合应用技术》系统论述了神经网络及其融合应用技术方面的有关理论和研究进展，主要包括神经网络发展趋势，常用前馈型神经网络、反馈型神经网络、自组织型神经网络和量子神经网络模型的基本理论、基本结构及学习算法，神经网络与遗传算法、灰色系统、模糊逻辑的融合方法及其应用等。在《人工神经网络及其融合应用技术》的编写过程中，作者在强调基础理论和系统性的同时，还着重反映该领域的较新研究成果，其中也包括作者近些年来开展神经网络，特别是其融合技术研究所取得的一些成果。
　　    《人工神经网络及其融合应用技术》适合于从事智能技术及其融合技术研究与应用的科技工作者阅读，也可作为高等院校计算机、电子技术、自动控制、系统工程等有关专业的研究生和高年级本科生的教材。