第1章 绪论 1
1.1 人工智能概念的提出 2
1.2 人工神经网络（ANN）的特性 4
1.3 大脑：人工神经网络的原型 5
1.4 人工神经网络模型 9
1.5 历史回顾与展望 12
2.1 神经元结构模型 20
2.2 网络动态特性 23
2.3 网络连接模型 24
2.4 学习算法 27
2.5 神经网络Perceptron 29
2.6 线性可分性 32
2.7 Perceptron的学习算法 34
3.1 反向传播算法（B-P） 38
3.2 神经网络的复杂性 45
3.3 统计算法 48
3.4 Hopfield算法 53
3.5 自适应共振理论网络 58
3.6 ART算法 64
3.7 Kohonen算法 70
4.1 神经网络与专家系统的特点和问题 78
4.2 推理网络与连接网络的转换 81
4.3 学习矩阵和规则矩阵 86
4.4 基于神经网络的构造知识库方法 89
4.5 基于神经网络的推理机 96
5.1 汉语语音识别和合成 101
5.2 故障诊断 104
5.3 脸容识别 109
5.4 字符识别 110
5.5 A/D转换 114
5.6 推销员旅行问题 117
6.1 对偶传播网络（CPN） 122
6.2 光神经网络（ONN） 130
6.3 认知机（Cognitron） 137
7.1 神经网络的硬件实现方法和技术 149
7.2 神经元的硬件实现原理 151
7.3 视听系统（Seehear）的实现 152
7.4 用大规模集成电路技术实现的神经网络计算机 160
8.1 引言 168
8.2 两者集成的方法与问题 170
8.3 连接网络与推理网络的可转换性 173
8.4 可信度与权值的等价性证明 174
8.5 集成系统的体系结构和行为过程 177
8.6 集成系统的训练和智能行为模拟 181
9.1 引言 183
9.2 三值神经逻辑网络 185
9.3 三值布尔逻辑网络的建造 186
9.4 人类逻辑网络的建造 191
9.5 在模式处理中的应用 194
参考文献 198