第一章 绪论

1.1 一则现代童话的启示

1.2 大脑——一个神秘的世界

1.3 神经网络研究、发展的历史

1.4 神经网络研究的主要方向

第二章 神经网络理论基础

2.1 大脑与生物神经系统

2.2 生物神经系统的模型化

2.3 M-P神经元模型与人工神经网络的构成

2.4 人工神经网络的学习机理与Hebb学习规则

2.5 教师示教学习与无教师示教学习

2.6 生物神经网络与人工神经网络的比较

2.7 模式识别的基本定义与方法

2.8 线性分类器

第三章 神经网络的初期模型与基本算法

3.1 感知机模型与感知机学习规则

3.2 感知机的局限性

3.3 自适应线性神经网络

3.4 自适应线性神经网络的应用举例

第四章 多阶层神经网络与误差逆传播算法

4.1 多阶层网络与误差逆传播算法的提出

4.2 误差逆传播神经网络结构与学习规则

4.3 误差逆传播学习规则的数学推导

4.4 隐含层——特征抽取器的作用

4.5 BP网络应用举例

4.6 BP网络小结

4.7 几种改进方案

第五章 Hopfield神经网络

5.1 Hopfield网络的基本思想

5.2 Hopfield网络的结构与算法

5.3 Hopfield网络运行规则

5.4 网络计算能量函数与网络收敛

5.5 联想记忆

5.6 Hopfield网络联想记忆的设计方法

5.7 Hopfield网络联想记忆的缺陷

5.8 连续时间型Hopfield神经网络

5.9 Hopfield网络在优化组合问题中的应用

5.10 网络应用与网络能量函数

第六章 随机型神经网络

6.1 随机型神经网络的基本思想

6.2 模拟退火算法

6.3 Boltzmann机与Boltzmann机工作规则

6.4 Boltzmann机学习规则

6.5 网络小结

第七章 竞争型神经网络

7.1 竞争型神经网络的基本思想

7.2 基本竞争型神经网络及学习规则

7.3 抑制竞争型神经网络及学习规则

7.4 自适应共振理论网络的提出及特点

7.5 自适应共振理论网络结构及学习、工作规则

7.6 自适应共振理论网络特性分析

7.7 应用举例

第八章 自组织特征映射神经网络

8.1 自组织特征映射神经网络的基本思想

8.2 自组织特征映射网络学习、工作规则

8.3 SOM网络的自组织特性

8.4 网络的分类精度分析

8.5 SOM网络的局限性

8.7 SOM网络应用举例——语音打字机

8.6 SOM网络的有教师示教学习规则

第九章 对向传播神经网络

9.1 对向传播神经网络的基本思想

9.2 CP网络学习、工作规则

9.3 网络应用举例

9.4 网络的改进与完善

第十章 人工神经网络应用

10.1 文字识别

10.1.1 文字识别的生理特点

10.1.2 印刷体文字识别

10.1.3 手写体文字识别

10.2.1 图象处理概述

10.2 图象处理

10.2.2 图象数据压缩

10.2.3 图象边缘检测

10.2.4 图象自动分类

10.2.5 医学自动诊断

10.2.6 目标自动识别

10.2.7 图象补正

10.2.8 工业产品检查

10.3 优化组合应用——有价证券的选择

10.4 神经网络专家系统

10.4.1 神经网络专家系统的基本原理与结构

10.4.2 高炉炉温预测专家系统

10.4.3 财务评价专家系统

10.4.4 医疗诊断专家系统

10.5 神经网络在智能控制中的应用

10.5.1 神经网络控制系统的特点

10.5.2 神经网络控制系统的几种结构形式

10.5.3 控制系统中神经网络的学习结构与方法

10.5.4 应用神经网络进行系统辨识

10.6 神经网络计算机简介

10.6.1 神经网络计算机的基本特征

10.6.2 神经网络计算机的分类与研究现状

10.6.3 神经网络计算机的有关概念

参考文献