1．新型智能信息处理系统概论 7
1.1 概述 7
1.2 生物型神经网络 9
1.3 人工神经网络的结构 10
1.4 人工神经网络的学习 20
1.5 人工神经网络的基本特征 24
1.6 神经网络信息处理系统 27
2．神经网络模型、学习规则及常用快速算法 31
2.1 概述 31
2.2 神经网络的学习规则 34
2.3 感知器模型 36
2.4 反向传播网络（BPN）模型 39
2.5 自组织特征映射模型 44
2.6 回归网络模型 48
2.7 混合网络模型和混合系统模型 51
3．神经网络中的几个基本问题 54
3.1 概述 54
3.2 神经网络能解决哪些问题 56
3.3 容量问题 56
3.4 推广能力问题 58
3.5 学习问题 61
3.6 神经网络的自组织性 64
3.7 神经网络的自适应性 75
4.1 概述 80
4．神经网络能力与性能评价 80
4.2 几种主要性能 81
4.3 传统的方法与人工神经网络的比较 87
4.4 人工神经网络的性能评价 88
4.5 对人工神经网络能力的进一步研究 90
5．混沌神经网络 94
5.1 概述 94
5.2 一个简单的混沌系统 95
5.3 混沌神经网络 97
5.4 混沌神经网络的学习 101
5.5 混沌神经网络的实现 103
5.6 混沌神经网络的应用 109
5.7 其它混沌神经元例子 114
6．联想记忆网络 119
6.1 概述 119
6.2 联想记忆神经网络的学习算法 122
6.3 ？联想记忆神经网络 124
6.4 分级联想记忆神经网络 128
6.5 异联想与双向联想记忆 130
6.6 双向联想记忆的迭代编码 135
7．模糊神经网络 144
7.1 概述 144
7.2 模糊神经元的几种基本模型 148
7.3 模糊联想记忆的基本原理 156
7.4 模糊极小—极大神经网络分类器 168
7.5 模糊关系神经网络 172
8．神经网络信号处理 180
8.1 概述 180
8.2 神经网络用于信号变换 181
8.3 神经网络用于系统辨识 185
8.4 神经网络用于时间序列预测 189
8.5 神经网络用于非线性信号处理 192
8.6 神经网络用于自适应信号处理 193
9．神经网络语音处理与识别 197
9.1 概述 197
9.2 听觉模型研究概述 197
9.3 用于语音识别的神经网络方法 201
9.4 利用神经网络方法进行说话人识别 213
9.5 神经网络用于语音编码 217
10．神经网络图像复原 219
10.1 概述 219
10.2 图像的退化模型 221
10.3 基于Hopfield网络的图像复原方法 222
10.4 改进的Hopfield型神经网络复原方法 225
10.5 分块神经网络图像复原方法 228
10.6 基于多层感知器的图像复原方法 231
11．神经网络图像压缩编码 235
11.1 概述 235
11.2 神经网络非线性预测编码 237
11.3 神经网络矢量量化方法 242
11.4 神经网络图像变换编码方法 251
11.5 主分量神经网络图像编码 256
11.6 信息分形神经网络与潜在的图像压缩编码应用 261
11.7 结束语 263
12．神经网络用于组合优化问题求解 265
12.1 概述 265
12.2 Hopfield型神经网络求解TSP 268
12.3 神经网络用于铁路货运优化问题 279
12.4 用神经网络求解任务分配问题 285
13．神经网络知识处理 289
13.1 概述 289
13.2 专家系统与神经网络 290
13.3 知识表示 294
13.4 知识获取 298
13.5 知识推理 300
13.6 神经网络知识处理系统的实现 304
14．神经网络的VLSI实现 308
14.1 概述 308
14.2 神经元基本电路 313
14.3 神经网络系统结构 323
14.4 几种实际的数字VLSI神经网络芯片及内部结构 332
15．人工神经网络的光学实现 343
15.1 概述 343
15.2 人工神经网络与光学 344
15.3 光学神经网络的研究现状 354
15.4 结束语 362