第1章 引言 1
1.1目标 1
1.2历史 1
1.3应用 3
1.4生物学启示 4
1.5扩展阅读 5
第2章 神经元模型及网络结构 8
2.1目标 8
2.2理论与例子 8
2.2.1记号 8
2.2.2神经元模型 8
2.2.3网络结构 11
2.3小结 15
2.4例题 17
2.5结束语 18
2.6习题 18
第3章 一个说明性的实例 20
3.1目标 20
3.2理论与例子 20
3.2.1问题描述 20
3.2.2感知机 21
3.2.3 Hamming网络 23
3.2.4 Hopfield网络 26
3.3结束语 27
3.4习题 28
第4章 感知机学习规则 31
4.1目标 31
4.2理论与例子 31
4.2.1学习规则 31
4.2.2感知机结构 32
4.2.3感知机的学习规则 35
4.2.4收敛性证明 39
4.3小结 41
4.4例题 42
4.5结束语 48
4.6扩展阅读 49
4.7习题 49
第5章 信号与权值向量空间 53
5.1目标 53
5.2理论与例子 53
5.2.1线性向量空间 53
5.2.2线性无关 54
5.2.3生成空间 55
5.2.4内积 56
5.2.5范数 56
5.2.6正交性 56
5.2.7向量展开式 58
5.3小结 60
5.4例题 61
5.5结束语 66
5.6扩展阅读 67
5.7习题 67
第6章 神经网络中的线性变换 71
6.1目标 71
6.2理论与例子 71
6.2.1线性变换 71
6.2.2矩阵表示 72
6.2.3基变换 74
6.2.4特征值与特征向量 76
6.3小结 79
6.4例题 79
6.5结束语 85
6.6扩展阅读 85
6.7习题 86
第7章 有监督的Hebb学习 90
7.1目标 90
7.2理论与例子 90
7.2.1线性联想器 91
7.2.2 Hebb规则 91
7.2.3伪逆规则 93
7.2.4 应用 95
7.2.5 Heblb学习的变形 96
7.3小结 97
7.4例题 98
7.5结束语 105
7.6扩展阅读 105
7.7习题 106
第8章 性能曲面和最优点 108
8.1目标 108
8.2理论与例子 108
8.2.1泰勒级数 108
8.2.2方向导数 110
8.2.3极小点 111
8.2.4优化的必要条件 113
8.2.5二次函数 114
8.3小结 119
8.4例题 120
8.5结束语 127
8.6扩展阅读 127
8.7习题 128
第9章 性能优化 131
9.1目标 131
9.2理论与例子 131
9.2.1最速下降法 131
9.2.2牛顿法 136
9.2.3共轭梯度法 139
9.3小结 142
9.4例题 142
9.5结束语 150
9.6扩展阅读 150
9.7习题 151
第10章 Widrow-Hoff学习 153
10.1目标 153
10.2理论与例子 153
10.2.1 ADALINE网络 153
10.2.2均方误差 154
10.2.3 LMS算法 156
10.2.4收敛性分析 157
10.2.5自适应滤波器 159
10.3小结 164
10.4例题 165
10.5结束语 174
10.6扩展阅读 174
10.7习题 175
第11章 反向传播 179
11.1目标 179
11.2理论与例子 179
11.2.1多层感知机 179
11.2.2反向传播算法 182
11.2.3例子 186
11.2.4批量训练和增量训练 188
11.2.5使用反向传播 188
11.3小结 192
11.4例题 193
11.5结束语 201
11.6扩展阅读 201
11.7习题 202
第12章 反向传播算法的变形 210
12.1目标 210
12.2理论与例子 210
12.2.1反向传播算法的缺点 210
12.2.2反向传播算法的启发式改进 215
12.2.3数值优化技术 218
12.3小结 226
12.4例题 228
12.5结束语 235
12.6扩展阅读 236
12.7习题 237
第13章 泛化 241
13.1目标 241
13.2理论与例子 241
13.2.1问题描述 242
13.2.2提升泛化能力的方法 243
13.3小结 257
13.4例题 258
13.5结束语 265
13.6扩展阅读 265
13.7习题 266
第14章 动态网络 270
14.1目标 270
14.2理论与例子 270
14.2.1分层数字动态网络 271
14.2.2动态学习的基本原则 273
14.2.3动态反向传播 276
14.3小结 288
14.4例题 290
14.5结束语 296
14.6扩展阅读 296
14.7习题 297
第15章 竞争网络 302
15.1目标 302
15.2理论与例子 302
15.2.1 Hamming网络 303
15.2.2竞争层 304
15.2.3生物学中的竞争层 307
15.2.4自组织特征图 308
15.2.5学习向量量化 310
15.3小结 314
15.4例题 315
15.5结束语 322
15.6扩展阅读 322
15.7习题 323
第16章 径向基网络 329
16.1目标 329
16.2理论与例子 329
16.2.1径向基网络 329
16.2.2训练RBF网络 333
16.3小结 343
16.4例题 344
16.5结束语 347
16.6扩展阅读 347
16.7习题 348
第17章 实际训练问题 352
17.1目标 352
17.2理论与例子 352
17.2.1训练前的步骤 353
17.2.2网络训练 359
17.2.3训练结果分析 362
17.3结束语 368
17.4扩展阅读 368
第18章 实例研究1：函数逼近 370
18.1目标 370
18.2理论与例子 370
18.2.1智能传感系统描述 370
18.2.2数据收集与预处理 371
18.2.3网络结构选择 372
18.2.4网络训练 372
18.2.5验证 373
18.2.6数据集 374
18.3结束语 375
18.4扩展阅读 375
第19章 实例研究2：概率估计 376
19.1目标 376
19.2理论与例子 376
19.2.1 CVD过程描述 376
19.2.2数据收集与预处理 377
19.2.3网络结构选择 378
19.2.4网络训练 379
19.2.5验证 381
19.2.6数据集 382
19.3结束语 382
19.4扩展阅读 383
第20章 实例研究3：模式识别 384
20.1目标 384
20.2理论与例子 384
20.2.1心肌梗死识别问题描述 384
20.2.2数据收集与预处理 384
20.2.3网络结构选择 387
20.2.4网络训练 387
20.2.5验证 388
20.2.6数据集 389
20.3结束语 390
20.4扩展阅读 390
第21章 实例研究4：聚类 391
21.1目标 391
21.2理论与例子 391
21.2.1森林覆盖问题描述 391
21.2.2数据收集与预处理 392
21.2.3网络结构选择 392
21.2.4网络训练 393
21.2.5验证 394
21.2.6数据集 396
21.3结束语 396
21.4扩展阅读 396
第22章 实例研究5：预测 398
22.1目标 398
22.2理论与例子 398
22.2.1磁悬浮系统描述 398
22.2.2数据收集与预处理 399
22.2.3网络结构选择 399
22.2.4网络训练 401
22.2.5验证 402
22.2.6数据集 404
22.3结束语 404
22.4扩展阅读 405
附录A参考文献 406
附录B记号 413
附录C软件 417
索引 420