第1章 绪论

1.1无限精度与有限精度

1.2有限精度设计理论研究的意义

1.3有限精度设计理论研究的背景与动机

1.3.1模拟系统

1.3.2数字系统

1.3.3神经网络系统

1.4有限精度设计理论研究的状况与趋势

1.5有限精度设计理论研究的主要内容

1.6本书内容安排

参考文献

第2章 信号处理系统有限精度设计理论基础

2.1信号及其分类

2.1.1信号与映射

2.1.2连续信号与离散信号

2.1.3确定性信号与随机信号

2.1.4确定性能量有限信号

2.2系统及其分类

2.2.1连续系统与模拟系统

2.2.2离散系统与数字系统

2.2.3神经计算系统

2.3有关灵敏度的概念和定理

2.3.1Telegen定理

2.3.2互易的和交相互易的网络

2.3.3灵敏度

2.4本章小结

参考文献

第3章 神经网络基础

3.1概述

3.2神经元模型

3.2.1神经元结构

3.2.2神经元的运算

3.2.3神经元的活动函数

3.2.4神经元的内部反馈

3.3神经网络的基本结构

3.3.1网络功能层次结构

3.3.2网络拓扑结构

3.4神经网络的学习与功能神经网络

3.4.1学习方法分类

3.4.2误差后向传播网络

3.4.3反馈联想网络

3.4.4竞争网络

3.4.5自适应共振网络

3.4.6其它网络

3.5神经网络计算的统一处理

3.6一般多层前向网络与双并联前向网络

3.6.1网络结构

3.6.2工作原理

3.6.3映射功能与误差曲面

3.6.4学习

3.6.5双并联前向网络的误差后向传播学习算法

3.7本章小结

参考文献

第4章 低灵敏度模拟滤波器设计理论

4.1概述

4.2模拟滤波器的实现结构

4.2.1直接实现

4.2.2串联实现

4.2.3并联实现

4.3零点、极点与参数灵敏度

4.3.1系统的零点与极点

4.3.2系统极点对系数的灵敏度

4.3.3系统零点对系数的灵敏度

4.3.4ωJ,QJ对参数的灵敏度

4.4可调滤波网络的双二次模型

4.4.1分析模型

4.4.2构造模型

4.5可调双二阶网络的灵敏度分析

4.5.1一组新的四端口参数

4.5.2传递函数

4.5.3可调双二阶网络的灵敏度分析与最低灵敏度准则

4.6并联与串联网络的灵敏度

4.6.1并联网络的灵敏度

4.6.2串联网络的灵敏度

4.7可调最低灵敏度网络的设计与实现

4.7.1低灵敏度二阶网络的设计

4.7.2基于运算放大器的设计实例

4.7.3基于可调跨导器件的设计

4.8SPICE集成电路软件仿真

4.9本章小结

参考文献

第5章 数字信号处理系统有限精度设计理论

5.1概述

5.2信号的二进制表示及其误差

5.2.1定点表示

5.2.2浮点表示

5.2.3舍入与截尾误差

5.3模数转换器的量化效应

5.3.1模数转换器的取样与量化

5.3.2量化的统计表示

5.3.3等效的输入量化误差

5.4I/O表示的数字滤波器对系数的有限精度效应

5.4.1极点、零点对系数变化的灵敏度

5.4.2零、极点网格图

5.5定点运算数字滤波器的有限精度效应

5.5.1概述

5.5.2IIR滤波器中的零输入极限环

5.5.3舍入误差的统计分析

5.5.4溢出误差的统计分析

5.6浮点运算数字滤波器的有限精度效应

5.7DFT计算中的有限精度效应

5.7.1直接DFT计算过程中量化效应分析

5.7.2定点FFT中的有限精度效应

5.7.3浮点FFT中的有限精度效应

5.7.4系数量化对FFT的影响

5.8线性调频Z变换的有限精度效应

5.9状态空间数字滤波器的低灵敏度设计

5.9.1离散线性移不变系统的状态方程

5.9.2状态方程系统的灵敏度

5.9.3Lp范数灵敏度与均方误差

5.9.4H（z）对系数矩阵的L2灵敏度

5.9.5L2灵敏度的Gramian矩阵

5.9.6L2/L1灵敏度的改进

5.9.7L2灵敏度模型的化简

5.10本章小结

参考文献

第6章 无限与有限精度神经网络

6.1概述

6.1.1神经网络有限精度设计理论的研究动机

6.1.2神经网络有限精度设计理论研究的发展状况与趋势

6.2神经网络有限精度统计模型

6.3无限精度神经网络模型

6.4有限精度神经网络模型

6.5权矢量的统计模型

6.6输入矢量的统计模型

6.7权误差与输入误差的统计模型

6.8分析中的其它考虑

6.9本章小结

参考文献

第7章 分段线性神经网络的量化效应

7.1概述

7.2输入、权值的量化表示

7.3隐层有限精度效应分析

7.4一般层有限精度效应分析

7.5输入编码的影响

7.6双并联前向神经网络有限精度效应分析

7.7信噪比分析

7.8位数对各层的影响

7.9本章小结

参考文献

第8章 多层前向神经网络的灵敏度分析

8.1概述

8.2多层前向神经网络权灵敏度分析——一元函数线性近似

8.2.1非线性活动函数的处理

8.2.2符号与意义

8.2.3输出对权扰动的统计灵敏度定义

8.2.4权扰动造成的输出误差

8.2.5对加性权扰动的灵敏度

8.2.6对乘性权扰动的灵敏度

8.2.7对输入扰动的灵敏度

8.2.8对单层权扰动的灵敏度

8.2.9讨论

8.3多层前向神经网络权灵敏度分析——多元函数线性近似法

8.3.1多元非线性函数线性化

8.3.2网络对加性权扰动的灵敏度

8.3.3网络对乘性权扰动的灵敏度

8.4范数灵敏度

8.4.1输出／输入导数矩阵

8.4.2输出／输入导数矩阵的范数灵敏度

8.4.3输出／权导数矩阵

8.4.4输出对权导数矩阵的范数灵敏度

8.5降低灵敏度的方法

8.5.1降低权灵敏度

8.5.2降低输入灵敏度

8.6本章小结

参考文献

第9章 连续活动函数神经网络的噪信比

9.1概述

9.2单神经元的输出噪信比

9.2.1单神经元的输出误差

9.2.2单神经元输出误差的方差与输出噪信比

9.3多层前向神经网络的输出噪信比

9.3.1概述

9.3.2第一层神经元的输出误差方差

9.3.3第一层神经元的输出噪信比

9.3.4噪信比增益函数

9.3.5其它层神经元的噪信比

9.4双并联前向神经网络的噪信比分析

9.5本章小结

参考文献

第10章 前向神经网络的误差界分析

10.1概述

10.2若干假设

10.3各层神经元总输入扰动的期望与方差界

10.3.1神经元总输入扰动的期望界

10.3.2神经元总输入扰动的方差界

10.3.3输出状态的期望界

10.4各层神经元输出的方差界

10.5本章小结

参考文献

第11章 有限精度神经网络学习算法

11.1概述

11.2归一化学习

11.3后向误差信号与误饱和

11.4导数修正法

11.5误差修正法

11.6纠错法

11.7基于灵敏度和凸值的修枝算法

11.8权值衰减法

11.9权扰动法

11.10其它方法

11.11本章小结

参考文献

第12章 多层前向网络映射能力与权值范围的关系及其仿真

12.1多层前向网络的逼近性能

12.1.1多层前向网络的逼近特性

12.1.2多层前向网络逼近算法特点

12.1.3三层前向网络逼近映射的描述性说明

12.2权值范围与映射性能

12.2.1大权值与小权值在网络中的不同作用

12.2.2三层网络中两层权值的联系

12.3权灵敏度分析

12.3.1选择表示灵敏度的量

12.3.2三层前向网络权灵敏度分析

12.3.3数值积分

12.3.4权值大小对隐层输出误差的影响

12.4隐层-输出层误差分析

12.5灵敏度分析与仿真

12.6本章小结

参考文献

第13章 有限精度神经网络的实现方法与仿真实验

13.1概述

13.2有限精度函数

13.3输入有限精度表示及其影响

13.4权值有限精度的影响

13.5节点输出值与非线性函数的有限精度效应

13.6权值修正量的有限精度影响

13.7全量化实现

13.8限制权值范围与变量增益

13.9有限精度神经网络的DSP实现与应用简介

13.10本章小结

参考文献

第14章 总结与展望

14.1回顾与一般性结论

14.2未来研究的发展方向