譯者序
前言
緻謝
作者簡介
第1章 從數據到模型：理解生物學、生態學和自然係統的復雜性和挑戰
1.1　概述
1.2　本書安排
參考文獻
第2章　神經網絡基礎和綫性數據分析模型
2.1　概述
2.2　神經網絡及其能力
2.3　生物學的啓示
2.4　神經元信息處理的建模
2.5　神經元模型和學習策略
2.5.1　作為一個簡單分類器的閾值神經元
2.5.2　神經元和神經集閤的學習模型
2.5.2.1　Hebbian學習
2.5.2.2　無監督學習或競爭學習
2.5.2.3　有監督學習
2.5.3　作為分類器的有監督學習的感知器
2.5.3.1　感知器學習算法
2.5.3.2　基於大量現實數據集的感知器實例：根據測定的成長年輪直徑辨識魚的起源
2.5.3.3　統計學中帶有綫性判彆函數分析的感知器比較
2.5.3.4　多種類分類中的多輸齣感知器
2.5.3.5　使用感知器的高維分類
2.5.3.6　感知器小結
2.5.4　用於綫性分類和預報的綫性神經元
2.5.4.1　利用delta規則的學習
2.5.4.2　作為分類器的綫性神經元
2.5.4.3　作為預報能力子集的綫性神經元的分類屬性
2.5.4.4　實例：作為預報器的綫性神經元
2.5.4.5　綫性預報的實例：預報一個傢庭的熱流
2.5.4.6　綫性神經元模型與綫性迴歸的比較
2.5.4.7 實例：多輸入綫性神經元模型——提高一個傢庭的熱流預報精確度
2.5.4.8　一個多輸入綫性神經元與多重綫性迴歸的比較
2.5.4.9　多綫性神經元模型
2.5.4.10　多重綫性神經網絡與正則相關性分析的比較
2.5.4.11　綫性神經元和綫性網絡小結
2.6　小結
習題
參考文獻
第3章　用於非綫性模式識彆的神經網絡
3.1　概述
3.2　非綫性神經元
3.2.1　神經元激勵函數
3.2.1.1 S形函數
3.2.1.2高斯函數
3.2.2　實例：利用非綫性神經元對人口增長建模
3.2.3　非綫性神經元與非綫性迴歸分析的比較
3.3　單輸入多層非綫性網絡
3.3.1　用單一非綫性隱含層神經元處理
3.3.2　實例：用多非綫性神經元建立循環現象模型
3.3.2.1　實例1：逼近一個方波
3.3.2.2　實例2：為物種的季節性遷移建立模型
3.4　兩輸入的多層感知器網絡
3.4.1　用非綫性神經元處理二維輸入
3.4.2　網絡輸齣
3.4.3　實例：二維預報和分類
3.4.3.1　實例1：二維非綫性函數逼近
3.4.3.2　實例2：二維非綫性分類模型
3.5　用非綫性多層感知器網絡為多維數據建模
3.6　小結
習題
參考文獻
第4章　神經網絡對非綫性模式的學習
4.1　概述
4.2　非綫性模式識彆中網絡的監督訓練
4.3　梯度下降法和誤差最小化
4.4　BP學習
4.4.1　實例：BP訓練——手工計算
……
第5章　從數據中抽取可靠模式的神經網絡模型的實現
第6章　數據探測、維數約簡和特徵提取
第7章　使用貝葉斯統計的神經網絡模型的不確定性評估
第8章　應用自組織映射的方法發現數據中的未知聚類
第9章　神經網絡在時間序列預測中的應用
附錄
· · · · · · (收起)