目录 1
序言 1
前言 1
第一章 绪论 1
1.1 神经元网络研究简史 1
1.2 生物神经元模型 4
1.2.1 生物神经元的结构 4
1.2.2 神经元的功能 6
1.2.3 神经元的M-P模型 8
1.3 神经元网络的基本特性 11
1.3.1 数字计算机的局限性 11
1.3.2 神经元网络的基本特性 15
1.3.3 计算机、人脑与神经网络 18
1.4 神经网络的研究课题及其方法 24
1.4.1 研究课题 24
1.4.2 研究方法 25
1.5 神经网络的应用领域 27
2.1 向量、矩阵与网络的基本概念 29
2.1.1 向量内积与神经元 29
第二章 神经网络处理信息的基本原理 29
2.1.2 矩阵运算与层次结构网络 30
2.2 神经元的理论模型及非线性系统 34
2.3 神经网络结构 38
2.3.1 结构特点 38
2.3.2 神经网络模型 39
2.3.3 神经网络分类 40
2.3.4 神经元网络模拟 43
2.4 神经网络中的自学习过程 45
2.4.1 学习的一般概念 45
2.4.2 通过样本进行学习 46
2.5 Hebb学习规则 50
2.5.1 Hebb定律 50
2.5.2 Hebb学习规则 50
2.6 神经网络处理信息的能力 52
2.6.1 可完成的信息处理任务 52
2.6.2 记忆能力、计算能力与学习性能 53
第三章 前馈和反馈神经网络模型 57
3.1 前馈和反馈神经网络的一般概念 57
3.2 感知器 60
3.2.1 感知器原型及线性可分性 60
3.2.2 XOR问题求解 62
3.2.3 感知器学习规则 64
3.3 误差反向传播神经网络 67
3.3.1 B-P网络的基本思想 67
3.3.2 B-P网络的算法 77
3.3.3 参数η和α的选择及其它问题 79
3.4 Hopfield神经网络 82
3.4.1 Hopfield模型 82
3.4.2 Hopfield网络的实现 85
3.4.3 Hopfield模型的应用及Boltzmann机 87
3.5 Hamming神经网络 91
3.6 小结 95
第四章 联想记忆和自组织神经网络模型 97
4.1 联想记忆 97
4.1.1 联想记忆的一般概念 97
4.1.2 矩阵联想记忆 102
4.1.3 双向联想记忆 106
4.1.4 Hopfieid网络实现联想记忆 111
4.2 自适应共振理论模型 113
4.3 自组织特征映射模型 116
5.1.1 神经网络计算机的分类 122
5.1 神经网络计算机 122
第五章 神经网络计算机及其应用 122
5.1.2 神经网络计算机的实现途径 123
5.1.3 设计中应考虑的一些问题 126
5.2 虚拟神经网络计算机 130
5.3 Transputer与神经网络计算机 136
5.4 神经网络计算机的应用 138
5.4.1 应用领域 138
5.4.2 学习朗读的NETtalk神经网络 141
5.4.3 神经网络优化计算 143
5.4.4 神经网络专家系统 146
参考文献 150
附录A 词汇表 159
附录B 误差反向传播网络（有指导的学习）程序 162
B.1 引言 162
B.2 程序 162
B.3 例子 185
附录C 无指导的学习程序 190
C.1 引言 190
C.2 程序 190
C.3 例子 199