index.txt

神经网络源程序代码

    每个目录下面都提供了readme文档，包括简单功能介绍和使用说明
     在使用前请仔细阅读（我用过其中的一些，都可以正常使用的。）

     Chapt3:这一章是模式识别的一些预处理知识，包括：
            图像压缩的例子：行程编码算法RCL
            手写体数据变换成像素位图的算法，
            另外在这一章中的细化算法是与Chapt6中的特征提取结合在了一起

     Chapt4:这一章涉及有监督学习的前馈网络
            ALOPEX算法：即模式提取算法，它把神经网络的学习过程看作
                        最优化问题的随机并行算法。与反向传播算法相比，
                        在大范围的信噪比情况下，ALOPEX算法有更好的抗噪声性能
                        另一个优点是计算简单，可以用高速大规模集成电路来实现

            BackProp算法：经典的B-P算法（呵呵，很多人想要的么!)。我就不多说了
                使用的时候注意，这个目录下还包括其它一些程序，比如Pnet.cpp
                是一个前馈多层感知器算法，其它的我没仔细看。大家自己花点时间
                慢慢琢磨吧。

     Chapt6：这一章是特征提取：重点是几何特征（环，交叉点，端点）和变换
             例子就是这些几何特征的提取啦

     Chapt8：这一章主要是讨论自组织系统
         K-Means:动态聚类算法（呵呵，又是一个N个人问我要的！）
         Kohonen模型结构：它是受视网膜皮层的生物功能的启发而提出的。
         Kohonen的SOFM(自组织特征映射)：这种算法部分收到生物特征影响，在网
                      络输出层内按几何中心或特征进行聚类。
         LVQ(学习矢量量化)算法：它是Kohonen的有监督学习的扩展形式。融合了
                  自组织和有导师监督的技术，学习方法是竞争的，但产生方式是
                  有教师监督的，也就是说，竞争学习是在由训练输入指定的各类
                  中局部进行。

     Chapt9: 这一章是神经联想记忆的讨论：
        Hopfield：很经典吧。在历史上也很有名的一个事件哦。不过这个例子
                好像是离散的Hopfield
        LAM（线性联想记忆）算法：单层的前馈网络，例子能够实现自联想功能。

     Chapt10: 自适应共振理论（ART）
        ART和VQ(矢量量化的例子)
        没仔细看，也看不懂的了，呵呵。。。。。