第一章 绪论 1
1.1 为什么要用人工神经元网络 1
1.2 人工神经元网络的发展 3
1.3 人工神经元网络是怎样工作的 4
习题 12
第二章 生物神经元网络的基本原理 13
2.1 生物神经元 13
2.2 生物神经元网络的结构 15
习题 18
第三章 人工神经元网络的基本原理 19
3.1 人工神经元 19
3.2 人工神经元网络模型 22
3.3 神经元网络的学习过程 28
3.4 神经元网络的学习规则 30
3.5 神经元网络的工作过程 37
习题 38
第四章 感知机模型网络 43
4.1 感知机网络的结构 43
4.2 感知机网络的学习规则 43
4.3 感知机网络的局限性 47
习题 49
第五章 多层网络的误差逆传播校正方法 51
5.1 误差逆传播校正方法 51
5.2 BP网络的学习规则与计算方法 54
5.3 BP网络的应用举例 59
5.4 BP网络的改进方案 63
习题 65
第六章 Hopfield神经元网络 69
6.1 Hopfield网络的基本结构 69
6.2 Hopfield网络的能量函数与运行规则 71
6.3 联想记忆 74
6.4 Hopfield网络连接权的设计方法 75
6.5 Hopfield网络的弱点 78
6.6 连续型Hopfield神经网络 79
6.7 Hopfield网络的应用 82
习题 86
第七章 随机型神经元网络 92
7.1 模拟退火算法 92
7.2 波尔茨曼机模型及其工作规则 94
7.3 波尔茨曼机模型网络的学习规则 97
习题 102
第八章 竞争型神经元网络 103
8.1 竞争型神经元网络的基本结构及其学习方法 103
8.2 抑制竞争型神经元网络及其学习规则 106
8.3 自适应共振理论神经网络 108
习题 113
9.1 SOFM网络结构及学习工作规则 115
第九章 自组织特征映射神经元网络 115
9.2 SOFM网络的应用 119
习题 121
第十章 对向传播神经元网络 123
10.1 CP网络的结构及学习工作规则 123
10.2 CP网络的改进与完善 125
习题 127
第十一章 神经元网络控制简介 129
11.1 神经元网络控制的基本原理 129
11.2 几种典型的神经元网络控制系统的结构 130
习题 132
第十二章 人工神经元网络编程实例 134
12.1 感知机模型神经元网络编程 134
12.2 BP神经元网络编程 139
12.3 ART1神经元网络编程 148
参考文献 153