第六代计算机:人工神经网络计算机

第一章 计算神经科学
1.1 人工神经网络计算机的突起
1.2 人工神经网络计算机、计算神经科学与信息社会
1.3 计算神经科学和第六代计算机相互间的影响
1.3.1 大脑视觉平行信息处理功能
1.3.2 神经元与神经网络
1.3.3 脑模型
1.4 人工神经网络的定义与结构
1.4.1 概述
1.4.2 人工神经网络的定义
1.4.3 人工神经网络的一般结构
1.5 计算神经科学的地位与展望
2.1.1 PDP思想的提出
2.1 PDP模式
第二章 人工神经网络理论基础
2.1.2 人脑与计算机的差别及其原因
2.1.3 认知微结构
2.1.4 PDP模式的表示方法
2.1.5 PDP模式质疑
2.2 容限空间
2.2.1 容限空间描述方法
2.2.2 二维图形拓扑差异的视觉敏感性
2.2.3 三维景物的视觉认知
2.3 网络理论
2.3.1 连接制网络模型
2.3.2 分层网络结构
2.3.3 网络拓扑
2.3.4 网络的容错及语义距离
2.4 混沌理论
2.4.1 分岔与混沌
2.4.2 普适性与普适常数
2.4.3 奇怪吸引子
2.4.4 混沌理论与人工神经网络
第三章 电子人工神经网络
3.1 人工神经元
3.1.1 人工神经元构态
3.1.2 人工神经元模型
3.2 典型人工神经网络
3.2.1 BP人工神经网络和BI人工神经网络
3.2.2 霍普费尔德人工神经网络
3.3 人工神经网络视觉模型
3.3.1 富库薪马人工神经网络视觉模型
3.3.2 马歇尔人工神经网络视觉模型
3.3.3 欧莫理人工神经网络视觉模型
3.3.4 布莱克博姆人工神经网络视觉模型
3.4 重要人工神经网络
3.4.1 自织织人工神经网络
3.4.2 晶体机人工神经网络
3.4.3 高阶关联人工神经网络
3.4.4 联想线性人工神经网络
第四章 光学神经网络计算机
4.1 从希望走向现实
4.1.1 ONNC研究的重大突破
4.1.2 ONNC功能器件研究
4.1.2.1 半导体光学双稳态器件
4.1.2.2 自电光效应器件(SEED)
4.1.2.3 面发光元器件
4.1.2.4 面输入/输出光电复合器件(VSTEP)
4.1.2.5 空间光调制器(SLM)
4.1.3 ONNC与光技术
4.1.3.1 光互连
4.1.2.6 新型元器件研究
4.1.3.2 光计测智能化
4.1.4 ONNC和复杂性科学
4.1.4.1 光学混沌系统
4.1.4.2 非线性光学材料的自组织过程
4.2 光学神经网络计算机雏形
4.2.1 二维图像联想存贮的光学神经网络计算机
4.2.1.1 光学全息关联存贮器
4.2.1.2 光联想存贮人工神经网络试验装置
4.2.1.3 应用举例
4.2.2 二维可编程光学神经网络计算系统装置
4.2.2.1 可编程光学神经网络
4.2.3.1 混合式人工神经网络装置基本结构
4.2.2.2 应用举例
4.2.3 混合式人工神经网络计算系统
4.2.3.2 光学神经网络制作与模拟
4.3 光学神经网络学习系统、光学神经元和光突触技术
4.3.1 引言
4.3.2 非线性光学现象
4.3.2.1 基本原理——光折变效应
4.3.2.2 双光束耦合
4.3.2.3 相位共轭
4.3.2.4 体全息存储及光控
4.3.3 量子阱光电子器件的研究
4.3.3.1 一维限制-量子阱器件技术
4.3.3.2 量子线和量子点器件技术
4.4.1 光纤互连式光学神经网络处理装置
4.4 光学神经芯片研究
4.4.2 三层集成结构光学神经芯片的研制
4.4.3 可编程光学神经芯片研究
4.5 先进光学神经网络体系结构
4.5.1 视觉信息与处理功能
4.5.2 视觉信息高速平行处理的体系结构——视觉信息联想处理器
4.5.3 光学三维智能传感系统
4.5.3.1 光学三维智能传感系统基本概念与要素
4.5.3.2 光学三维智能传感系统
第五章 生物分子计算机
5.1 发展由来
5.2 分子计算模型
5.3 分子计算机初探
5.3.1 分子/原子级的平版印刷术
5.3.2 数字分子计算机
5.3.3 感触式分子计算机
第六章 人工神经网络工程应用
6.1 人工神经网络型基准非线性信号发生器
6.2 人工神经网络型信号波形非线性变换器
6.3 人工神经网络智能信号处理器
6.4 人工神经网络智能传感器
6.5 人工神经网络模式识别器
6.6 认知器的人工神经网络模拟
6.7 可编程人工神经网络
6.8 人工神经网络在机器人位置控制中的应用
6.9 光电混合人工神经网络实时模式识别器
6.10 CONNECTION人工神经网络计算机
结尾语
参考文献