第一章 绪论 1
1.1 神经网络的研究历史 1
1.2 生物神经元模型 4
1.3 神经网络的基本特征和通有性质 6
1.4 神经网络的研究方法与主要内容 14
第二章 神经网络理论基础 17
2.1 MP模型和Hebb学习规则 17
2.2 动力系统的稳定性 19
2.3 稳定性的Lyapunov第二方法 22
第三章 神经网络模型Ⅰ：前向网络 26
3.1 线性阈值单元 26
3.2 感知器 27
3.3 BP算法（反向传播算法） 34
3.4 前向网络的映射作用与容量分析 36
3.5 自适应线性元件（Adaline） 41
3.6 交替投影神经网络（APNN） 45
4.1 离散的Hopfield神经网络 52
第四章 神经网络模型Ⅱ：反馈网络 52
4.2 联想记忆与神经计算 57
4.3 连续时间Hopfield神经网络模型 59
4.4 高阶关联神经网络模型 67
4.5 联想存贮器分析 70
4.6 双向联想记忆（BAM） 73
4.7 高阶自相关器和异相关器 79
5.1 自适应共振理论（ART） 89
第五章 自组织神经网络 89
5.2 自组织特征映射 92
5.3 CPN模型 94
5.4 神经认知机 98
第六章 随机神经网络 101
6.1 模拟退火算法 101
6.2 Boltzmann机 106
6.3 NN的概率统计法 111
6.4 并行分布Cauchy机 114
6.5 神经网络的熵理论 116
6.6 动力系统的分维学 121
6.7 分维神经网络 124
第七章 神经网络的统一描述与Systolic阵列实现 127
7.1 Systolic阵列 127
7.2 波前阵列处理器 134
7.3 神经网络的通有迭代模型 135
7.4 回归BP和HMM的统一描述 142
7.5 算法到Systolic阵列／波前阵列结构的映射 145
7.6 通有迭代ANN模型的Systolic设计 148
8.1 通有连续时间神经网络模型 159
第八章 连续时间非线性神经网络模型及其时空特征 159
8.3 通有神经网络的时空结构与延时动力学 182
8.2 通有神经网络模型的关联稳定性 187
第九章 神经网络的设计与综合 192
9.1 联想记忆设计要求 192
9.2 神经网络综合的基本方法 193
9.3 Hopfield型同步离散神经网络用于AM的综合 200
9.4 Hopfield连续时间联想记忆的综合 208
9.5 超闭正立体上线性神经网络的综合 212
9.6 不连续神经网络系统的综合 216
第十章 神经优化计算 227
10.1 Hopfield模型理论分析 227
10.2 TSP问题 230
10.3 神经优化计算的一种新方法 237
第十一章 神经网络专家系统 242
11.1 专家系统的发展与现状 242
11.2 神经网络专家系统基本原理与结构 243
11.3 基于神经网络系统的知识表示、获取与推理 245
11.4 组合神经网络专家系统的实现 249
11.5 小结 251
第十二章神经网络计算机及其VLSI实现 252
12.1 神经网络计算机 252
12.2 神经网络的数字VLSI实现 256
12.3 神经网络的电压模式模拟VLSI实现 259
12.4 神经网络的电流模式模拟VLSI设计与实现 263
12.5 全集成模拟神经网络优化处理器 267