NIPS 1988:美国科罗拉多州丹佛
大卫·S·图雷茨基 以下为:
神经信息处理系统进展1,[NIPS会议,美国科罗拉多州丹佛,1988年]。 摩根考夫曼 1989 ,十亿 1-55860-015-9
第1部分: 学习和概括
马克·A·格鲁克 , M.帕维尔 , 范·亨克尔 以下为:
自适应网络对人类泛化建模的约束。 2-10 特伦斯·D·桑格 以下为:
无监督学习的最优化原则。 11-19 大卫·H·阿克利 以下为:
通过抑制性搜索进行关联学习。 20-28 约翰·穆迪 以下为:
多分辨率层次中的快速学习。 29-39 艾伦·H·克莱默 , 阿尔贝托·桑吉奥瓦尼·文森特利 以下为:
神经网络的高效并行学习算法。 40-48 劳伦斯·戴维斯 以下为:
将分类器系统映射到神经网络。 49-56 费尔南多·特诺里奥庄园 , 李伟泰 以下为:
识别问题的自组织神经网络。 57-64 皮埃尔·巴尔迪 以下为:
线性学习:景观和算法。 65-72 塔尔·格罗斯曼 , 罗尼·迈尔 , Eytan Domany公司 以下为:
通过选择内部代表进行学习。 73-80 埃里克·鲍姆 , 大卫·豪斯勒 以下为:
多大的网络提供了有效的泛化? 81-90 格里夫·比尔布罗 , Reinhold Mann公司 , 托马斯·米勒三世 , 韦斯利·斯奈德 , 大卫·范登·布特 , 马克·W·怀特 以下为:
平均场退火优化。 91-98 杰拉尔德·泰萨罗 以下为:
通过比较训练学习专家偏好。 99-106 迈克尔·莫泽 , 保罗·斯莫伦斯基 以下为:
骨骼化:通过相关性评估从网络中修剪脂肪的技术。 107-115 埃亚尔·亚伊尔 , 阿伦·格肖 以下为:
Boltzmann感知器网络:一个多层前馈网络,相当于Boltzman机器。 116-123 理查德·利普曼 , 保罗·贝克曼 以下为:
非高斯噪声中信号检测的自适应神经网络预处理。 124-132 沙拉德·辛哈尔 , 吴兰斯(Lance Wu) 以下为:
用扩展卡尔曼算法训练多层感知器。 133-140 燕乐存 , 康拉德·C·加兰 , 杰弗里·欣顿 以下为:
GEMINI:注入噪声后通过矩阵反演进行梯度估计。 141-148 帕特里斯·西马德 , 玛丽·B·奥塔韦 , 达纳·H·巴拉德 以下为:
递归网络的不动点分析。 149-159 苏布泰·艾哈迈德 , 杰拉尔德·泰萨罗 以下为:
神经网络中的缩放和泛化:一个案例研究。 160-168 拉乌尔·塔维尔 以下为:
神经元像突触一样“学习”吗? 169-176 斯蒂芬·何塞·汉森 , 洛里安·普拉特 以下为:
比较最小网络构建和反向传播的偏差。 177-185 拉尔夫·林斯克 以下为:
最大信息保持原理在线性系统中的应用。 186-194 大卫·B·帕克 , 马克·A·格鲁克 , 埃里克·雷夫斯奈德(Eric S.Reifsnider) 以下为:
脉冲编码神经系统中的时间导数学习。 195-203
第2部分: 应用程序
Hong C.Leung先生 , 维克多·祖伊 以下为:
错误反向传播在语音分类中的应用。 206-214 亚历克斯·魏贝尔 以下为:
通过模块化构造大型音素时滞神经网络进行辅音识别。 215-223 本吉奥 , 雷吉斯·卡丹 , 雷纳托·德·莫里 , 皮耶罗·科西 以下为:
使用多层网络对具有语音特征的语音进行编码。 224-231 高村三雄 , 田中章雄 以下为:
使用带有合作学习机制的神经网络进行语音生成。 232-239 埃里希·史密斯 以下为:
连接词言语系统中的时间表征。 240-247 理查德·福扎德 , 布拉德肖 , 路易斯·塞西 以下为:
实际有效的连接专家系统。 248-255 罗德尼·M·古德曼 , 约翰·米勒 , 帕德拉克·斯迈思 以下为:
基于规则的连接专家系统的信息论方法。 256-263 马丁·奈伦 , 珍妮·伯纳德·泰顿 以下为:
使用Hopfield型网络的电视图像压缩的神经方法。 264-271 伯恩德·彼得·巴黎 , 杰弗里·奥尔萨克 , 马赫什·K·瓦拉纳西 , 贝纳姆·阿章 以下为:
多址通信中的神经网络接收机。 272-280 斯坦利·C·阿哈特 , 弗雷德里克·加伯 , 伊斯梅尔·朱尼 , 阿肖克·K·克里希纳穆西 以下为:
噪声雷达信号的合成神经网络分类性能。 281-288 艾伦·M·瓦克斯曼 , 迈克尔·塞伯特 , 罗伯特·坎宁安 , 吴健 以下为:
早期视觉中的神经模拟扩散增强层和时空分组。 289-296 安亚·赫尔伯特 , 西红柿A.Poggio 以下为:
使用颜色进行图像分割的网络。 297-304 迪恩·波默洛 以下为:
ALVINN:神经网络中的自动陆地车辆。 305-313 菲利普·阿尔维尔达 , A.米盖尔·圣马丁 以下为:
用于航天器姿态确定和控制的神经网络星图识别。 314-322 约翰·丹克 , W.R.加德纳 , 汉斯·彼得·格拉夫 , 唐尼·亨德森 , 理查德·霍华德 , 韦恩·哈伯德 , 劳伦斯·D·杰克尔 , 亨利·S·贝尔德 , 数据挖掘人物 以下为:
手写邮政编码数字的神经网络识别器。 323-331 森喜朗 , 横泽和彦 以下为:
学习识别类似汉字字符的神经网络。 332-339 蒂莫西·威尔金森 , 多萝西·A·米格尔 , 约瑟夫·古德曼 以下为:
反向传播及其在手写签名验证中的应用。 340至347 巴特利特·梅尔 以下为:
视觉引导接触的进一步探索:使MURPHY更智能。 348-355 肯尼思·戈德堡 , 巴拉克·A·皮尔默特 以下为:
使用带时间窗口的反向传播了解CMU直接驱动臂II的动力学。 356-363
第3部分: 神经生物学
克莱·斯彭斯 , 约翰·皮尔逊 , J.J.盖尔芬德 , R.M.彼得森 , W.E.沙利文 以下为:
谷仓猫头鹰感觉运动控制的神经元图谱。 366-374 肯尼思·米勒 , 约瑟夫·凯勒 , 迈克尔·P·史崔克 以下为:
眼优势柱形成模型:分析和计算结果。 375-383 西尔维·里克布施 , 詹姆斯·鲍尔 , 卡沃·米德 以下为:
模拟VLSI中小型振荡生物网络的建模。 384-393 帕特里克·K·斯坦顿 , 泰伦斯·塞诺夫斯基(Terrence J.Sejnowski) 以下为:
海马突触强度的长期联合作用和抑制储存协方差。 394-401 李兆平 , 约翰·霍普菲尔德 以下为:
嗅球耦合非线性振荡器的建模。 402-409 迈克尔·鲍林 , 马克·尼尔森 , 詹姆斯·鲍尔 以下为:
感觉获得的神经控制:前庭视觉反射。 410-418 丹尼尔·L·阿尔肯 , 弗朗西斯·K·H·奎克 , 托马斯·沃格尔 以下为:
联想学习的计算机建模。 419-435 布莱恩·拉斯诺 , 克里斯托弗·阿萨德 , 马克·尼尔森 , 詹姆斯·鲍尔 以下为:
弱电鱼产生电场的模拟和测量。 436-443 Jun Zhang(张军) , 约翰·米勒 以下为:
感官表征中分辨率增强(高敏感性)模型。 444-450 田中茂 以下为:
大脑皮层图的自我组织理论。 451-458 比尔·拜尔德 以下为:
嗅觉皮层网络模型中周期吸引子规划的分叉理论方法。 459-467 马丁·塞雷诺 以下为:
学习使用Hebb规则解决图案运动的光圈问题。 468-476 诺伯托·M.格兹瓦茨(Norberto M.Grzywacz) , 富兰克林·阿姆索尔 以下为:
视网膜方向选择性的计算稳健解剖学模型。 477-484 马修·威尔逊 , Upinder S.Bhalla公司 , 约翰·D·尤利 , 詹姆斯·鲍尔 以下为:
GENESIS:模拟神经网络的系统。 485-492
第4部分: 结构化网络
Avrim Blum公司 , 罗纳德·里维斯 以下为:
训练一个三节点神经网络是NP完全的。 494-501 埃尔维·布拉德 , 克里斯蒂安·韦勒肯斯 以下为:
马尔可夫模型和多层感知器之间的联系。 502-510 莫舍·金 , 罗杰·S·K·程 以下为:
Boltzmann机器中的收敛和模式稳定。 511-518 伊夫·肖万 以下为:
一种优化使用隐藏单元的反向传播算法。 519-526 乔丹·B·波拉克 以下为:
递归分布式表示的含义。 527-536 尤金·桑托斯。 以下为:
大规模并行自调整上下文无关分析器。 537-544 特伦特·兰格 , 迈克尔·G·戴尔 以下为:
自然语言理解局部网络中的动态、非局部角色绑定和推理。 545-552 詹姆斯·亨德勒 以下为:
分散激活分布式微功能。 553-559 亚历山大·基里洛夫 , 加琳娜·鲍里修克 , 罗曼·鲍里修克 , Ye.I.科瓦伦科 , V.I.马卡伦科 , V.A.朱拉耶夫斯基 , V.I.克里尤科夫 以下为:
统一子模块的神经振荡器模型。 560-567 查尔斯·马库斯 , 罗伯特·M·韦斯特韦尔特 以下为:
具有时滞的模拟神经网络动力学。 568-576 兰德尔·D·比尔 , 希勒尔·基尔 , 利昂·斯特林 以下为:
动态环境中自适应行为的异构神经网络。 577-585 大卫·罗杰斯 以下为:
利用Kanerva稀疏分布内存进行统计预测。 586-593 格里夫·比尔布罗 , 韦斯利·斯奈德 以下为:
基于平均场退火的距离图像复原。 594-601 贾里德·莱恩巴赫 以下为:
自动局部退火。 602年至609年 V.I.克里尤科夫 以下为:
“神经定位器”,注意力模型。 610-617 埃里克·姆约尔斯内斯 , 吉恩·金迪 , P.阿南丹 以下为:
用于模型匹配和感知组织的神经网络。 618-625 大卫·S·图雷茨基 以下为:
分析分布式Winner-Take-All网络的能源环境。 626-633 E.马贾尼 , 鲁斯·埃尔兰森 , 亚瑟·阿布·莫斯塔法 以下为:
在K-Winners-Take-All网络上。 634-642年 大卫·塞尔凡·施瑞柏 , 阿克塞尔·克莱尔曼斯 , 詹姆斯·麦克莱兰 以下为:
简单递归网络中的子序列结构学习。 643-652 C.L.冬季 以下为:
学习转换序列的自适应网络。 653-660
第5部分: 实施
大卫·费尔德 , 乔·艾森伯格 , 埃德温·刘易斯 以下为:
一种无源共享元件模拟电耳蜗。 662-670 艾利斯特·汉密尔顿 , 艾伦·F·穆雷 , 莱昂内尔·塔拉森科 以下为:
可编程模拟脉冲激励神经网络。 671-677 杰克·米多尔 , 克林特·科尔 以下为:
一种模拟神经元时间电学特性的低功耗CMOS电路。 678-686 约翰·哈里斯 以下为:
用于薄板表面插值的模拟VLSI芯片。 687-694 巴赫拉姆·纳贝特 , 罗伯特·B·达林 , 罗伯特·B·品特 以下为:
分流神经网络的模拟实现。 695-702 约翰·拉扎罗 , 西尔维·里克布施 , 米沙·马霍瓦尔德 , 卡沃·米德 以下为:
赢家-所有网络 O(否) 复杂性。 703-711 保罗·米勒 , 简·范·德·斯皮格尔 , 大卫·布莱克曼 , Timothy Chiu , 托马斯·克莱尔 , 约瑟夫·道 , 克里斯托弗·多纳姆 , 谢子浦 , 马克·洛亚兹 以下为:
可编程模拟神经计算机和模拟器。 712-719 托比·德尔布吕克 , 卡沃·米德 以下为:
对强度微小变化敏感的电子感光器。 720-727 马丁·约翰逊 , 奈杰尔·阿里森 , 凯文·穆恩 以下为:
自组织地图的数字实现。 728-738 詹姆斯·曼恩 , 谢尔登·吉尔伯特 以下为:
一种模拟自组织神经网络芯片。 739-747 乔舒亚·阿尔斯佩克特 , 布桑·古普塔 , 罗伯特·艾伦 以下为:
随机学习微芯片的性能。 748-760 丹尼尔·施瓦茨 , 理查德·霍华德 , 韦恩·哈伯德 以下为:
使用MOS电荷存储的自适应神经网络。 761-768 艾伦·哈特斯坦 , 罗杰·科赫 以下为:
一种自学习神经网络。 769-776 马克·沃克 , Siamack Haghhii公司 , A.阿富汗 , 莱克斯·A·阿克斯 以下为:
训练有限互连、合成神经IC。 777-784 安德烈亚斯·安德烈欧 以下为:
触觉/触觉传感的电子受体。 785-792
附录: 受邀会谈摘要
瓦伦蒂诺·布雷滕贝格 以下为:
神经架构。 794 科尼西先生 以下为:
在鸟类中学习歌曲。 795 约翰·布里德尔 以下为:
语音识别:统计和神经信息处理方法。 796-801 约翰·米勒 以下为:
板球风检测。 802-807