1 绪论

1.1 神经网络的发展历史

1.2 神经网络与人工智能计算机

1.3 神经网络的研究内容与研究方法

2 神经网络的生物基础

2.1 神经网络的生理基础

2.1.1 神经元的结构和功能

2.1.2 神经元的基本特征和作用原理

2.1.3 神经元的抽象模型

2.2 神经网络的基本特征

3 神经网络Lyapunov能量函数的建立

3.1 神经网络动力学系统的描述

3.1.1 系统和系统模型

3.1.2 平衡状态和扰动方程

3.2 Lyapunov稳定理论及应用

3.2.1 Lyapunov方法

3.2.2 Lyapunov理论在线性系统中的应用

3.2.3 Lyapunov方法在非线性系统中的应用

3.3 Lyapunov函数的构造方法

3.3.1 克拉索夫斯基方法

3.3.2 变量梯度法

3.4 神经网络中Lyapunov函数的构造举例

4 神经网络基本模型

4.1 神经网络的基础理论

4.1.1 MP模型

4.1.2 延时与改进的MP模型

4.1.3 Hebb学习规则

4.1.4 作为梯度下降方法的Delta规则

4.2 前向神经网络

4.2.1 祖母细胞

4.2.2 自适应线性元件（ACALINE）

4.2.3 BP算法

4.3 后向反馈神经网络

4.3.1 Grossberg学习规则

4.3.2 Kohonen模型

4.3.3 Hopfield模型

5 BP算法及其应用

5.1 BP算法

5.1.1 BP算法

5.1.2 BP算法的应用

5.2 改进的BP算法（Ⅰ）

5.2.1 改进的BP算法

5.2.2 改进的BP算法用于手写数字识别

5.2.3 改进的BP网络讨论

5.3 改进的BP算法（Ⅱ）

5.3.1 学习算法

5.3.2 算法实际应用举例

5.4 改进的BP算法（Ⅲ）

5.4.1 前推选择算法

5.4.2 在控制系统故障诊断中的应用

6 神经网络理论应用

6.1 多资源均衡问题的神经网络方法

6.1.1 原理

6.1.2 设计举例

6.2 VLSI单元布局优化问题

6.2.1 神经网络实现VLSI布局设计优化的基本思想

6.2.2 VLSI设计布局优化的神经网络算法

6.2.3 关于VLSI单元布局优化算法的实现

6.3 五位A/D转换器

7 神经网络应用开发方法学与神经网络计算机

7.1 神经网络应用开发方法学的目标与概念

7.1.1 开发方法学的目标

7.1.2 开发方法学的概念

7.2 神经网络的设计方法

7.2.1 节点级设计

7.2.2 网络级设计

7.2.3 训练级设计

7.3 神经网络的实现与维护

7.3.1 实现阶段

7.3.2 维护阶段

7.4 神经网络计算机

7.4.1 神经网络计算机的实现

7.4.2 直接基于硬件的神经网络计算机的实现

7.4.3 基于现代数字计算机的神经网络计算机的实现

8 细胞神经网络理论

8.1 细胞神经网络的理论基础

8.2 细胞神经网络理论

8.2.1 细胞神经网络的网状结构

8.2.2 细胞神经网络的动态范围

8.2.3 细胞神经网络的稳定性

8.2.4 多层细胞神经网络

8.3 单细胞电路的硬件实现

8.3.1 硬件电路实现

8.3.2 测试结果及分析

8.4 神经网络Hopfield模型与细胞神经网络的比较

9 细胞神经网络理论应用

9.1 细胞神经网络应用于图像处理

9.2 细胞神经网络应用于图像处理实例

9.3 连通片检测器的计算机模拟

9.4 连通片检测器的硬件实现

9.5 字符识别的计算机模拟

参考文献