第1章 引言

1.1目标

1.2历史

1.3应用

1.4生物学启示

1.5扩展阅读

第2章 神经元模型及网络结构

2.1目标

2.2理论与例子

2.2.1记号

2.2.2神经元模型

2.2.3网络结构

2.3小结

2.4例题

2.5结束语

2.6习题

第3章 一个说明性的实例

3.1目标

3.2理论与例子

3.2.1问题描述

3.2.2感知机

3.2.3 Hamming网络

3.2.4 Hopfield网络

3.3结束语

3.4习题

第4章 感知机学习规则

4.1目标

4.2理论与例子

4.2.1学习规则

4.2.2感知机结构

4.2.3感知机的学习规则

4.2.4收敛性证明

4.3小结

4.4例题

4.5结束语

4.6扩展阅读

4.7习题

第5章 信号与权值向量空间

5.1目标

5.2理论与例子

5.2.1线性向量空间

5.2.2线性无关

5.2.3生成空间

5.2.4内积

5.2.5范数

5.2.6正交性

5.2.7向量展开式

5.3小结

5.4例题

5.5结束语

5.6扩展阅读

5.7习题

第6章 神经网络中的线性变换

6.1目标

6.2理论与例子

6.2.1线性变换

6.2.2矩阵表示

6.2.3基变换

6.2.4特征值与特征向量

6.3小结

6.4例题

6.5结束语

6.6扩展阅读

6.7习题

第7章 有监督的Hebb学习

7.1目标

7.2理论与例子

7.2.1线性联想器

7.2.2 Hebb规则

7.2.3伪逆规则

7.2.4 应用

7.2.5 Heblb学习的变形

7.3小结

7.4例题

7.5结束语

7.6扩展阅读

7.7习题

第8章 性能曲面和最优点

8.1目标

8.2理论与例子

8.2.1泰勒级数

8.2.2方向导数

8.2.3极小点

8.2.4优化的必要条件

8.2.5二次函数

8.3小结

8.4例题

8.5结束语

8.6扩展阅读

8.7习题

第9章 性能优化

9.1目标

9.2理论与例子

9.2.1最速下降法

9.2.2牛顿法

9.2.3共轭梯度法

9.3小结

9.4例题

9.5结束语

9.6扩展阅读

9.7习题

第10章 Widrow-Hoff学习

10.1目标

10.2理论与例子

10.2.1 ADALINE网络

10.2.2均方误差

10.2.3 LMS算法

10.2.4收敛性分析

10.2.5自适应滤波器

10.3小结

10.4例题

10.5结束语

10.6扩展阅读

10.7习题

第11章 反向传播

11.1目标

11.2理论与例子

11.2.1多层感知机

11.2.2反向传播算法

11.2.3例子

11.2.4批量训练和增量训练

11.2.5使用反向传播

11.3小结

11.4例题

11.5结束语

11.6扩展阅读

11.7习题

第12章 反向传播算法的变形

12.1目标

12.2理论与例子

12.2.1反向传播算法的缺点

12.2.2反向传播算法的启发式改进

12.2.3数值优化技术

12.3小结

12.4例题

12.5结束语

12.6扩展阅读

12.7习题

第13章 泛化

13.1目标

13.2理论与例子

13.2.1问题描述

13.2.2提升泛化能力的方法

13.3小结

13.4例题

13.5结束语

13.6扩展阅读

13.7习题

第14章 动态网络

14.1目标

14.2理论与例子

14.2.1分层数字动态网络

14.2.2动态学习的基本原则

14.2.3动态反向传播

14.3小结

14.4例题

14.5结束语

14.6扩展阅读

14.7习题

第15章 竞争网络

15.1目标

15.2理论与例子

15.2.1 Hamming网络

15.2.2竞争层

15.2.3生物学中的竞争层

15.2.4自组织特征图

15.2.5学习向量量化

15.3小结

15.4例题

15.5结束语

15.6扩展阅读

15.7习题

第16章 径向基网络

16.1目标

16.2理论与例子

16.2.1径向基网络

16.2.2训练RBF网络

16.3小结

16.4例题

16.5结束语

16.6扩展阅读

16.7习题

第17章 实际训练问题

17.1目标

17.2理论与例子

17.2.1训练前的步骤

17.2.2网络训练

17.2.3训练结果分析

17.3结束语

17.4扩展阅读

第18章 实例研究1：函数逼近

18.1目标

18.2理论与例子

18.2.1智能传感系统描述

18.2.2数据收集与预处理

18.2.3网络结构选择

18.2.4网络训练

18.2.5验证

18.2.6数据集

18.3结束语

18.4扩展阅读

第19章 实例研究2：概率估计

19.1目标

19.2理论与例子

19.2.1 CVD过程描述

19.2.2数据收集与预处理

19.2.3网络结构选择

19.2.4网络训练

19.2.5验证

19.2.6数据集

19.3结束语

19.4扩展阅读

第20章 实例研究3：模式识别

20.1目标

20.2理论与例子

20.2.1心肌梗死识别问题描述

20.2.2数据收集与预处理

20.2.3网络结构选择

20.2.4网络训练

20.2.5验证

20.2.6数据集

20.3结束语

20.4扩展阅读

第21章 实例研究4：聚类

21.1目标

21.2理论与例子

21.2.1森林覆盖问题描述

21.2.2数据收集与预处理

21.2.3网络结构选择

21.2.4网络训练

21.2.5验证

21.2.6数据集

21.3结束语

21.4扩展阅读

第22章 实例研究5：预测

22.1目标

22.2理论与例子

22.2.1磁悬浮系统描述

22.2.2数据收集与预处理

22.2.3网络结构选择

22.2.4网络训练

22.2.5验证

22.2.6数据集

22.3结束语

22.4扩展阅读

附录A参考文献

附录B记号

附录C软件

索引