第一章 绪论 1
1.1 一则现代童话的启示 1
1.2 大脑——一个神秘的世界 3
1.3 神经网络研究、发展的历史 6
1.4 神经网络研究的主要方向 9
第二章 神经网络理论基础 10
2.1 大脑与生物神经系统 10
2.2 生物神经系统的模型化 16
2.3 M-P神经元模型与人工神经网络的构成 20
2.4 人工神经网络的学习机理与Hebb学习规则 22
2.5 教师示教学习与无教师示教学习 24
2.6 生物神经网络与人工神经网络的比较 25
2.7 模式识别的基本定义与方法 28
2.8 线性分类器 31
第三章 神经网络的初期模型与基本算法 33
3.1 感知机模型与感知机学习规则 33
3.2 感知机的局限性 41
3.3 自适应线性神经网络 44
3.4 自适应线性神经网络的应用举例 50
第四章 多阶层神经网络与误差逆传播算法 52
4.1 多阶层网络与误差逆传播算法的提出 52
4.2 误差逆传播神经网络结构与学习规则 53
4.3 误差逆传播学习规则的数学推导 62
4.4 隐含层——特征抽取器的作用 67
4.5 BP网络应用举例 70
4.6 BP网络小结 73
4.7 几种改进方案 74
第五章 Hopfield神经网络 77
5.1 Hopfield网络的基本思想 77
5.2 Hopfield网络的结构与算法 78
5.3 Hopfield网络运行规则 80
5.4 网络计算能量函数与网络收敛 81
5.5 联想记忆 86
5.6 Hopfield网络联想记忆的设计方法 89
5.7 Hopfield网络联想记忆的缺陷 97
5.8 连续时间型Hopfield神经网络 100
5.9 Hopfield网络在优化组合问题中的应用 103
5.10 网络应用与网络能量函数 110
第六章 随机型神经网络 111
6.1 随机型神经网络的基本思想 111
6.2 模拟退火算法 112
6.3 Boltzmann机与Boltzmann机工作规则 115
6.4 Boltzmann机学习规则 121
6.5 网络小结 130
第七章 竞争型神经网络 132
7.1 竞争型神经网络的基本思想 132
7.2 基本竞争型神经网络及学习规则 133
7.3 抑制竞争型神经网络及学习规则 138
7.4 自适应共振理论网络的提出及特点 141
7.5 自适应共振理论网络结构及学习、工作规则 142
7.6 自适应共振理论网络特性分析 149
7.7 应用举例 154
第八章 自组织特征映射神经网络 157
8.1 自组织特征映射神经网络的基本思想 157
8.2 自组织特征映射网络学习、工作规则 159
8.3 SOM网络的自组织特性 165
8.4 网络的分类精度分析 168
8.5 SOM网络的局限性 170
8.7 SOM网络应用举例——语音打字机 171
8.6 SOM网络的有教师示教学习规则 171
第九章 对向传播神经网络 175
9.1 对向传播神经网络的基本思想 175
9.2 CP网络学习、工作规则 176
9.3 网络应用举例 183
9.4 网络的改进与完善 185
第十章 人工神经网络应用 189
10.1 文字识别 189
10.1.1 文字识别的生理特点 189
10.1.2 印刷体文字识别 190
10.1.3 手写体文字识别 196
10.2.1 图象处理概述 199
10.2 图象处理 199
10.2.2 图象数据压缩 201
10.2.3 图象边缘检测 205
10.2.4 图象自动分类 206
10.2.5 医学自动诊断 207
10.2.6 目标自动识别 207
10.2.7 图象补正 208
10.2.8 工业产品检查 208
10.3 优化组合应用——有价证券的选择 209
10.4 神经网络专家系统 215
10.4.1 神经网络专家系统的基本原理与结构 215
10.4.2 高炉炉温预测专家系统 219
10.4.3 财务评价专家系统 221
10.4.4 医疗诊断专家系统 223
10.5 神经网络在智能控制中的应用 226
10.5.1 神经网络控制系统的特点 226
10.5.2 神经网络控制系统的几种结构形式 227
10.5.3 控制系统中神经网络的学习结构与方法 229
10.5.4 应用神经网络进行系统辨识 234
10.6 神经网络计算机简介 235
10.6.1 神经网络计算机的基本特征 235
10.6.2 神经网络计算机的分类与研究现状 237
10.6.3 神经网络计算机的有关概念 239
参考文献 241