第一章  绪论

  1.1  人类的智能与思维

    1.1.1  智能

    1.1.2  思维

  1.2  人工智能

    1.2.1  人工智能的主流学派

    1.2.2  机制主义方法与人工智能统

    1.2.3  人工智能的研究内容

  1.3  人脑与“电脑”的信息处理机制

  1.4  人工神经网络的研究溯源

  1.5  人工神经网络的分类

  1.6  人工神经网络的特点

  1.7  人工神经网络的功能

  1.8  人工神经网络的应用

  思考题

第二章  人工神经网络的基本原理

  2.1  生物神经网络

    2.1.1  生物神经元的结构

    2.1.2  生物神经元的信息处理机理

    2.1.3  生物神经网络的结构

    2.1.4  生物神经网络的信息处理

  2.2  人工神经元的数学建模

    2.2.1  M-P模型

    2.2.2  常用的神经元数学模型

  2.3  人工神经网络的结构建模

    2.3.1  网络拓扑类型

    2.3.2  网络信息流向类型

    2.3.3  人工神经网络结构模型的特点

  2.4  人工神经网络的学习

  思考题

第三章  感知器

  3.1  感知器的结构与功能

    3.1.1  单层感知器的网络结构

    3.1.2  单层感知器的功能分析

  3.2  感知器的学习算法

  3.3  感知器的局限性与改进方式

  3.4  多层感知器

  3.5  感知器神经网络的MATLAB仿真实例

    3.5.1  常用的感知器神经网络函数

    3.5.2  仿真实例

  思考题

第四章  BP神经网络

  4.1  BP网络的模型

  4.2  BP网络的学习算法

    4.2.1  BP算法推导

    4.2.2  BP算法的程序实现

  4.3  BP网络的功能与数学本质

    4.3.1  BP神经网络的功能特点

    4.3.2  BP神经网络的数学本质

  4.4  BP网络的问题与改进

    4.4.1  BP神经网络存在的缺陷与原因分析

    4.4.2  传统BP算法的改进与优化

    4.4.3  深度神经网络

  4.5  BP网络的设计

    4.5.1  输入／输出变量的确定与训练样本集的准备

    4.5.2  BP网络结构设计

    4.5.3  网络训练与测试

  4.6  BP网络的MATLAB仿真实例

    4.6.1  BP神经网络的MATLAB工具箱

    4.6.2  BP网络仿真实例

  4.7  基于BP算法的一级倒立摆神经网络控制

    4.7.1  倒立摆系统

    4.7.2  仿真模型的建立

    4.7.3  BP神经网络控制器的设计

    4.7.4  神经网络控制器控制仿真实验

    4.7.5  神经网络实物控制实验

  思考题

第五章  径向基神经网络

  5.1  径向基网络的模型

    5.1.1  正规化RBF网络

    5.1.2  广义RBF网络

    5.1.3  RBF网络的生理学基础

    5.1.4  RBF网络的数学基础

    5.1.5  函数逼近与模式分类问题举例

  5.2  径向基网络的学习算法

    5.2.1  数据中心的确定

    5.2.2  扩展常数的确定

    5.2.3  输出权向量的确定

    5.2.4  梯度下降法同时获取数据中心、扩展系数与权向量

  5.3  径向基网络的特性分析

    5.3.1  RBF神经网络的特点

    5.3.2  RBF神经网络与BP神经网络的比较

    5.3.3  RBF神经网络应用的关键问题

  5.4  其他径向基网络

    5.4.1  广义回归神经网络

    5.4.2  概率神经网络

  5.5  径向基网络的MATLAB仿真实例

    5.5.1  RBF网络的MATLAB工具箱

    5.5.2  仿真实例

  思考题

第六章  反馈式神经网络

  6.1  Elman神经网络

    6.1.1  Elman神经网络的结构

    6.1.2  Elman神经网络学习算法

    6.1.3  Elman神经网络的应用

  6.2  离散Hopfield神经网络

    6.2.1  离散Hopfield神经网络的模型

    6.2.2  离散Hopfield神经网络的运行规则

    6.2.3  离散Hopfield神经网络的运行过程

  6.3  连续Hopfield神经网络

    6.3.1  连续Hopfield神经网络的网络模型

    6.3.2  连续Hopfield神经网络的稳定性分析

  6.4  Hopfield神经网络的应用

    6.4.1  联想记忆

    6.4.2  优化计算

  6.5  反馈神经网络的MATLAB仿真实例

    6.5.1  Elman神经网络的MATLAB实现

    6.5.2  Hopfield神经网络的MATLAB实现

  思考题

第七章  自组织竞争神经网络

  7.1  模式分类的基本概念

    7.1.1  分类与聚类

    7.1.2  相似性测量

  7.2  基本竞争型神经网络

    7.2.1  基本竞争型神经网络结构

    7.2.2  竞争学习策略

    7.2.3  特性分析

  7.3  自组织特征映射神经网络

    7.3.1  SOM网的拓扑结构

    7.3.2  SOM网的工作原理

  ……

第八章  CMAC网络

第九章  模糊神经网络

第十章  神经网络的优化

第十一章  深度神经网络

第十二章  神经控制

  参考文献