第一章 概述 1
§1.1 什么是神经网络 1
§1.1.1 神经网络的一般框架 3
§1.1.2 神经元（处理单元）模型 4
第十一章 重复传播模型 6
§1.1.3 神经网络互连模式 7
§1.1.4 神经网络的学习算法 10
§1.1.5 神经网络的计算 14
§1.2 人工神经网络研究的历史 17
§1.3 神经网络研究的意义 22
§1.4 神经网络的能力 27
§1.4.1 神经网络的存储能力 28
§1.4.2 神经网络的计算能力 30
§1.5 神经网络的冗余容错特性 32
§1.6 神经网络的潜在应用 36
第二章 大脑神经系统 41
§2.1 大脑组织 41
第七章 Boltzmann机 42
§2.2 大脑神经系统的结构与机能 45
§2.2.1 神经元的结构 45
§2.2.2 突触 47
§2.2.3 脉冲的产生 52
§2.2.4 脉冲在轴突上的传递 54
§2.2.5 大脑神经系统的结构 55
§2.3 人工神经网络的信息处理机制 59
§2.3.1 神经的信息处理过程 59
§2.3.2 信息表达的分布性 61
§2.3.3 学习 63
§2.3.4 神经元模型 66
第八章 调和（Harmony）理论 73
§2.3.5 人工神经网络互连结构 73
第三章 早期的自适应网络模型 77
§3.1 感知机 77
§3.2 ADALINE模型 82
§3.2.1 学习算法 85
§3.2.2 对不变性的认知 91
§4.1 学习矩阵 98
第四章 联想存储器 98
§4.2 联想机 101
§4.3 关联矩阵存储器 102
§4.4 BAM模型 103
§4.5 RCE模型 109
第五章 多层神经网络 113
§5.1 反向传播神经网络 113
§5.2 新认知机 121
§6.1 二值Hopfield网络 129
第六章 Hopfield网络模型 129
§6.2 连续值Hopfield模型 134
§6.3 Hopfield网络应用于TSP问题 138
§7.1 Metropolis方法 142
§7.2 松弛搜索（RelaxationSearch） 144
§7.3 Boltzmann机结构 149
§7.3.1 结构描述 149
§7.3.2 一致性函数极大化 150
§7.4 Boltzmann机的学习算法 153
§7.5 Boltzmann机与推理 160
§7.6 Boltzmann机应用于组合最优化 168
§7.7 Gaussian机 170
§8.1 概述 173
§8.2 调和网络的结构 179
§8.3 基本结论 185
§8.4 调和理论的应用 188
第九章 竞争学习和侧抑制 194
§9.1 竞争学习结构 194
§9.2 通过抑制的竞争 199
§9.3 侧抑制 201
第十章 自组织特征映射（SOM）模型 206
§10.1 一维阵列 206
§10.2 二维阵列 208
§10.3 Kohonen学习算法的理论结论 215
§11.1 网络结构 216
§11.2 重复传播网络的改进 222
§11.3 重复传播模型的应用 226
第十二章 自适应共振模型 229
§12.1 ART模型原理 229
§12.2 ART模型的数学描述 234
第十三章 域理论与MAP框架理论 240
§13.1 自组织神经网络的域理论 240
§13.2 MAP框架理论 254
第十四章 实现技术 272
§14.1 概述 272
§14.2 在Systolic阵列上实现神经网络计算 284
§14.2.1 快过程的环形Systolic阵列结构 288
§14.2.2 学习过程的环形Systolic阵列 292
§14.3 神经网络的光学实现技术 295
§14.4 电子神经计算机 302
第十五章 通用神经网络模拟系统（GKD—NNSS） 304
§15.1 系统结构 304
§15.2 神经网络描述语言（NNDL） 312
§15.2.1 神经网络结构描述 312
§15.2.2 模拟控制过程描述 317
§15.2.3 描述文件的编写 324
§15.3 描述语言解释的内部表达 331
§15.3.1 公共数据结构说明 332
§15.3.2 公共变量说明 346
第十六章 神经网络在知识处理中的应用 348
§16.1 知识处理的神经网络方法 348
§16.1.1 当代知识处理系统的局限性 348
§16.1.2 神经网络知识处理系统的一般框架 352
§16.1.3 神经网络知识处理方法分类 355
§16.2 一种神经网络中医诊断专家系统的设计 357
§16.2.1 神经网络中医诊断专家系统结构 359
§16.2.2 辅助库的构造 361
§16.2.3 神经网络知识库的构造 363
§16.2.4 推理 371
§16.2.5 解释 376
§16.2.6 系统在线学习 378
§16.3 一种神经网络产生式系统（NNPS） 379
§16.3.1 基本逻辑操作的神经网络实现 380
§16.3.2 优化的神经网络规则表示 382
§16.3.3 神经网络产生式系统的构造 385
§16.4 面临的问题和解决的途径 390