第一章 神经元 4
1.1 神经元的结构 4
1.2 神经元的动作 5
1.3 神经元的数理模型 7
1.4 离散时间-离散信息模型 10
1.5 离散时间-连续信息模型 11
1.6 连续时间-连续信息模型 13
1.7 引入热噪声的神经元 13
1.8 神经元的学习理论 14
1.9 典型的学习法则 20
1.10 神经场 23
2.1 简单神经网的方程式 24
第二章 神经网及其信息变换 24
2.2 随机结合网的信息变换 27
2.3 随机网的模式聚类作用 31
2.4 动力学系统及其性质 36
2.5 对称结合网的动力学 41
2.6 思考过程的动力学 44
2.7 联想记忆模型的动力学 47
2.8 自旋玻璃 51
2.9 玻耳兹曼（Boltzman）机 52
2.10 自组织神经网中的信息处理 55
2.11 神经场的结合方式 61
第三章 常用神经网络模型概述 65
3.1 神经网络（NN）的基本特征 65
3.2 联想网络 70
3.3 映射神经网络 77
4.1 视觉信息处理的特点及神经基础 89
第四章 视觉神经网络与信息处理 89
4.2 体视匹配算法 93
4.3 正则化理论与正则化网络 95
4.4 用神经网络检测拓扑性质 101
4.5 视觉神经动力学系统理论 106
第五章 模式识别与神经网络 115
5.1 感知器 116
5.2 联想记忆神经网络 124
5.3 自组织神经网络 130
5.4 福岛邦彦的视觉认知模型 139
5.5 科霍恩（Kohonen）语音打字机 148
6.1 神经优化计算 154
第六章 组合优化与神经网络 154
6.2 旅行推销员问题 158
6.3 多重旅行推销员问题 164
6.4 作业调度问题 170
6.5 模拟退火组合优化算法 174
第七章 人工神经网络（ANN）的实现和应用 179
7.1 ANN的实现途径 179
7.2 ANN应用 180
第八章 协同学与神经网络 199
8.1 协同学的一般概念 199
8.2 协同学与神经网络 200
8.3 一种模式识别算法 201
参考文献 204