第1章 引论 1
1.1 计算机的发展 1
1.2 新概念计算机 4
1.3 什么是模式 13
1.4 自组织一模式形成 22
1.5 认识与模拟 27
1.6 联想存贮器 31
1.7 大脑结构与功能 34
1.8 如何着手 39
第2章 协同学概念 42
2.1 典型现象 43
2.2 系统演化的因素 46
2.3 演化方程的解 51
2.4 时空模式的形成 60
2.5 福克-普朗克方程 63
2.6 序参量的作用 67
第3章 模式识别模型 71
3.1 引言 71
3.2 原形模式矢量和试验模式矢量 77
3.3 构建动力学 81
3.4 势函数V（Ek）的重要性质 86
3.5 识别示例 94
3.6 神经网络 97
第4章 模式识别的不变性 107
4.1 不变性问题 107
4.2 傅里叶变换和对数映像法 110
4.3 数值计算 116
4.4 不变性的另一方法 119
4.5 模式的一般变换 127
4.6 复合模式识别示例 133
5.1 学习算法的探索 137
第5章 学习算法及相关过程 137
5.2 突触强度 142
5.3 信息和信息增益 152
5.4 再论神经计算机的基本结构原理 157
5.5 通过信息增益的学习 160
5.6 梯度动力学的学习算法 168
5.7 学习过程的相关活动 183
5.8 学习模式 195
5.9 学习和序参量 197
第6章 模式识别能力 204
6.1 引言 204
6.2 两可模式的识别 207
6.3 滤光照片的识别 227
6.4 逻辑运算 240
6.5 立体视觉模型 244
7.1 引言 258
第7章 运动模式的识别 258
7.2 食指摆动的转变 259
7.3 食指摆动的实验研究 270
7.4 动物步态及其转变 275
7.5 相动力学方程及其解 281
7.6 踏板轮运动 285
7.7 行为模式的识别算法 293
7.8 识别示例 295
第8章 回顾与展望 306
8.1 模拟动力学 307
8.2 大脑网络 311
8.3 神经元的发放与锁频 314
8.4 结语 323
附录A 卡尔胡宁—勒夫展开 327
附录B 哈肯—弗里德里希—乌尔方法 333
主要参考文献 334