第1章 绪论 1
1.1 人工神经元网络的基本概念和特征 1
1.2 人工神经元网络研究的发展简史 4
前言 5
1.3 我国人工神经元网络研究的情况 13
1.4 人工神经元网络构成的基本原理和功能 14
1.5 人工神经元网络的分类、工作过程和模型 18
1.6 人工神经元网络计算和传统计算的比较 25
1.7 研究人工神经元网络的意义 26
1.8 人工神经元网络在控制领域中的应用 27
第2章 神经元网络的学习规则和最简单的感知器 30
2.1 神经元网络常用的十种学习规则 30
2.2 最简单的感知器、学习算法及其局限性 44
第3章 多层前馈型神经元网络 49
3.1 线性不可分的模式分类 49
3.2 多层感知器的Delta学习规则 57
3.3 广义的Delta学习规则 62
第4章 误差反传训练算法及其改进和应用 66
4.1 误差反传训练算法 66
4.2 BP算法的若干改进 78
4.3 隐含层数和层内单元(节点)数的确定 118
4.4 基于BP算法的ANN网络在控制领域中的应用 131
第5章 反馈式神经元网络 274
5.1 Hopfield神经元网络 275
5.2 双向异联想记忆网络 292
5.3 汉明(Hamming)网络 296
第6章 自组织神经元网络 299
6.1 竞争学习 300
6.2 基于自适应谐振理论(ART)构成的自组织神经元网络 305
6.3 自组织特征映射神经元网络 319
第7章 CMAC网络 330
7.1 CMAC模型的结构 330
7.2 CMAC网络工作原理的简单分析 332
7.3 CMAC网络的学习算法 337
7.4 CMAC网在控制中的应用 338
第8章 人工神经元网络与模糊系统 346
8.1 两者的结合是发展的必然 346
8.2 两者结合的基本方式 349
8.3 两者结合的应用举例 350
全书参考文献 358