本书介绍了人工神经网络的基本原理及其应用。重点阐述了9 种常见神经网络的结构组成、工作原理、 设计方法及应用实例。其中心内容包括前馈型BP 神经网络；反馈型Hopfield 神经网络和双向联想记忆 BAM 神经网络；局部逼近的CMAC 小脑神经网络和径向基函数RBF 神经网络；竞争学习的自组织SOM 神经网络﹑对偶传播CPN 神经网络﹑ART 自适应谐振理论及量子神经网络。

本书介绍了人工神经网络的基本原理及其应用。重点阐述了9 种常见神经网络的结构组成、工作原理、设计方法及应用实例。其中心内容包括前馈型BP 神经网络；反馈型Hopfield 神经网络和双向联想记忆BAM 神经网络；局部逼近的CMAC 小脑神经网络和径向基函数RBF 神经网络；竞争学习的自组织SOM神经网络﹑对偶传播CPN 神经网络﹑ART 自适应谐振理论及量子神经网络。

量子人工神经网络及其应用

数十年来,人们一直在探索基于光的计算体系,期望通过光的特性,突破电子计算机的局限,从而提高计算速度和降低能耗。然而,传统光计算由于缺乏有效的逻辑、存储、互连单元,以及合理的应用场景,光计算止步于概念研究阶段。在当今大数据时代的推动下,信息通量及用量呈爆炸性增长。具有高集成度、大带宽、低成本、低能耗特征的硅基光电子技术应运而生,日趋成熟,并且验证了光电融合这一信息技术发展的趋势。光计算也随之向光电计算转变。分析近年来硅基光电子技术在光电计算方面的应用和发展,如在人工神经网络、非多项式时间复杂度难题