第1章 概述 1
1.1 人工神经网络研究与发展 1
1.2 生物神经元 5
1.3 人工神经网络的构成 11
1.4 人工神经网络(1943～1992)的主要研究工作 16
第2章 人工神经网络基本模型 26
2.1 MP模型 26
2.2 感知器模型 28
2.3 自适应线性神经元 35
第3章 EBP网络(反向传播算法) 41
3.1 含隐层的前馈网络的δ学习规则 42
3.2 Sigmoid激发函数下的BP算法 44
3.3 BP网络的训练与测试 45
3.4 BP算法的改进 47
3.5 多层网络BP算法的程序设计 58
第4章 Hopfield网络模型 63
4.1 离散型Hopfield神经网络 63
4.2 连续型Hopfield神经网络 80
4.3 旅行商问题(TSP)的HNN求解 83
第5章 随机型神经网络 92
5.1 模拟退火算法 92
5.2 Boltzmann机 96
5.3 Gaussian机 108
第6章 自组织神经网络 112
6.1 竞争型学习 112
6.2 自适应共振理论(ART)模型 114
6.3 自组织特征映射(SOM)模型 122
6.4 CPN模型 124
第7章 联想记忆神经网络 127
7.1 联想记忆基本特点 127
7.2 线性联想记忆(LAM)模型 128
7.3 双向联想记忆BAM模型 131
7.4 时间联想记忆TAM模型 134
第8章 CMAC模型 137
8.1 CMAC模型 137
8.2 CMAC映射算法 139
8.3 CMAC的输出计算 142
8.4 CMAC控制器模型 143
9.1 概述 148
第9章 遗传算法原理 148
9.2 遗传算法的工作原理 149
9.3 遗传算法的实现步骤 155
9.4 遗传算法示范程序 157
附录A 人工神经网络研究中的若干数学方法 160
附录B 多层前向网络BP算法源程序 183
附录C Hopfield网络模型源程序 202
附录D Hopfield模型联想记忆源程序 206
附录E Hopfield模型求解TSP源程序 213
附录F Boltzmann机模型源程序 220
附录G 遗传算法程序 226
参考文献 247