第1章绪论1
1.1神经网络的发展与应用1
1.2人工神经元模型2
1.3用有向图表示神经网络4
1.4网络结构及工作方式5
1.5NN的学习7
1.5.1学习方式7
1.5.2学习算法7
1.5.3学习与自适应9
习题9
参考文献10
第2章前馈网络11
2.1线性阈值单元11
2.1.1用线性阈值单元实现布尔函数11
2.1.2线性可分性12
2.1.3n维欧氏空间中m个点上可实现的线性可分函数的个数13
2.2多层前馈网络的计算能力及函数逼近15
2.3感知器的学习算法17
2.4反向传播学习算法19
2.5改进反向传播算法收敛速度的措施26
2.5.1加入动量项26
2.5.2高阶导数的利用27
2.5.3共轭梯度法27
2.5.4递推最小二乘法28
2.5.5神经元空间搜索法28
2.5.6一些其他措施30
2.6多层前馈网络作用的分析31
2.6.1线性网络32
2.6.2非线性情况33
2.7应用举例34
习题45
参考文献48
第3章径向基函数网络51
3.1φ可分性51
3.2函数逼近与内插52
3.3正规化理论53
3.4RBF网络的学习60
3.5RBF网络的一些变形63
3.6CMAC网络64
3.6.1模型结构64
3.6.2工作原理分析66
3.6.3学习算法69
3.7概率神经网络70
3.8小波网络71
3.9泛函连接网络72
3.10新一代神经元模型及其计算能力的研究74
3.10.1布尔函数的计算75
3.10.2连续输入的情况75
· · · · · · (收起)