第一章 概论 1
§1.1 神经网络系统理论的研究目标与发展简史 1
§1.2 神经细胞与网络的构造与功能 5
目录 7
总序 7
引言 7
有关记号 7
§1.3 有关神经网络系统模型与应用范围概述 8
§1.4 有关的数学工具 9
第二章 感知器的基本模型与性质 11
§2.1 感知器的构造与学习算法 11
§2.2 线性可分性理论 18
§2.3 感知器学习算法的复杂度分析 21
§2.4 感知器学习算法的容量估计 24
第三章 前馈网络模型 31
§3.1 感知器模型的推广问题 31
§3.2 多层感知器模型 32
§3.3 高阶感知器理论 37
§3.4 具有非线性权函数的感知器 44
§3.5 模糊感知器及其学习算法 48
第四章 前馈网络理论的应用 53
§4.1 感知器在模式识别与经济管理中的应用 53
§4.2 感知器在规划问题中的应用 57
§4.3 统计分析问题中的神经网络计算 59
§4.4 股市行情数据分析中的神经网络计算 62
第五章 有反馈神经网络系统理论与应用 66
§5.1 离散Hopfield神经网络系统模型及其稳定性问题 66
§5.2 HNNS的学习算法问题 74
§5.3 HNNS的学习算法的容量问题 76
§5.4 TSP（售货员路线）问题 83
§5.5 最优投资决策问题及其神经网计算 86
第六章 玻尔兹曼（Boltzmann）机理论分析 93
§6.1 玻尔兹曼机的模型构造 93
§6.2 玻尔兹曼机状态的运动方程及其稳定性问题 95
§6.3 玻尔兹曼机的学习算法 100
结束语 104
参考文献 105