神经网络盲均衡理论与应用：算法综述与最新进展

《盲均衡在神经网络中的应用》(Blind Equalization in Neural Networks, 2018) 是一本由李毅张、孙云山、张晓琴、于白等作者共同撰写的专著，着重探讨了盲均衡技术与神经网络的结合。盲均衡技术是一种无需训练序列的自适应信号处理方法，它利用接收信号的先验信息来校正通道特性，从而接近传输序列，有效克服符号间干扰，提升通信质量。作为神经科学、信息科学和计算机科学的交叉领域，神经网络具有并行处理、分布式存储与处理、自我组织、适应性学习和高容错能力等特点，这使得它与盲均衡技术相结合，能够显著改善算法的收敛性能和均衡效果。 该书结合了FFNN（前馈神经网络）、FBNN（反馈神经网络）、FNN（模糊神经网络）等多种类型的神经网络模型，研究了基于这些网络结构的盲均衡算法，包括多层、三层和五层FFNN的盲均衡算法，以及不同形式的循环神经网络如双线性、对角线和准对角线的盲均衡策略。此外，书中还探讨了利用模糊神经网络滤波器、控制器和分类器的盲均衡方法，以及基于遗传算法优化权重和结构的进化神经网络盲均衡。 在理论部分，书中详述了神经网络盲均衡的基本原理、学习方法和评价标准，以及算法的评估分析。章节涵盖了时间常数的调整、误差函数的选择等方面，展示了算法的多样性与优化潜力。第七章讨论了基于小波神经网络的盲均衡技术，区分了前馈和反馈网络的应用。最后，第八章聚焦于盲均衡在医学图像处理中的应用，特别是CT图像恢复中的应用，展示了其实际价值。 本书的写作得到了多项科研基金的支持，包括山西省自然科学基金项目、中国博士后科学基金项目、山西省自然科学基金项目以及天津高校科技基金项目等。部分章节由译者于白、张晓琴和孙云山负责翻译。书中汇集了作者团队多年的研究成果，并反映了国内外神经网络盲均衡算法的最新研究趋势和前沿。 作者在此书的创作过程中得到了天津大学的姜夫教授、北京理工大学的沙定国教授和太原科技大学的王火花教授的指导和帮助，同时也感谢校对修订工作的参与人员以及引用文献的国内外学者。尽管作者在有限的能力下可能有所不足，但欢迎读者提出宝贵意见，共同推动这一领域的进一步发展。