本书主要内容包括：人工神经网络简介、单层前向网络及LMS学习算法、多层前向网络及BP学习算法、支持向量机及其学习算法、Hopfield神经网络与联想记忆、随机神经网络及模拟退火算法。竞争神经网络和协同神经网络。可作为电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等专业的研究生和高年级本科生的教材，对相关专业的研究人员和工程技术人员也有参考价值。

本书以神经网络结构为主线，以学习算法为副线，详细介绍了神经网络结构和算法步骤，目的是使读者易看懂，能动手，会应用。主要内容包括：人工神经网络简介、单层前向网络及LMS学习算法、多层前向网络及BP学习算法、支持向量机及其学习算法、Hopfield神经网络与联想记忆、随机神经网络及模拟退火算法。竞争神经网络和协同神经网络。每章均给出了基于Matlab的仿真实例及练习。

本书可作为电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等专业的研究生和高年级本科生的教材，对相关专业的研究人员和工程技术人员也有参考价值。

出版说明

前言

致谢

第1章　引言

　1.1　人工神经网络简介

　1.2　人工神经网络的发展历史

　1.3　人工神经网络模型

　1.4　人工神经网络的分类及学习规则

　1.5　人工神经网络的信息处理能力

　1.6　人工神经网络的应用

　1.7　人工神经网络与人工智能　

　1.8　习题

第2章　单层前向网络及LMS学习算法

　2.1　单层感知器

　2.2　自适应线性元件

　2.3　LMS学习算法

　2.4　仿真实例

　2.5　习题

第3章　多层前向网络及BP学习算法

　3.1　多层感知器

　3.2　BP学习算法

　3.3　径向基网络

　3.4　仿真实例

　3.5　习题

第4章　支持向量机及其学习算法

　4.1　统计学习理论简介

　4.2　支持向量机

　4.3　支持向量机的分类学习算法

　4.4　用于函数拟合的支持向量机

　4.5　支持向量机算法的研究与应用

　4.6　仿真实例

　4.7　习题

第5章　Hopfield神经网络与联想记忆

　5.1　神经动力学

　5.2　离散Hopfield神经网络

　5.3　连续Hopfield神经网络

　5.4　联想记忆

　5.5　仿真实例

　5.6　习题

第6章　随机神经网络及模拟退火算法

　6.1　Boltzmann机

　6.2　Boltzmann机的改进

　6.3　模拟退火算法

　6.4　仿真实例

　6.5　习题

第7章　竞争神经网络

　7.1　Hamming网络

　7.2　自组织映射网络

　7.3　学习矢量量化

　7.4　主分量分析

　7.5　仿真实例

　7.6　习题

第8章　协同神经网络

　8.1　协同学简介　

　8.2　协同神经网络

　8.3　仿真实例

　8.4　习题

附录　

　附录A　MATLAB及神经网络工具箱简介

　附录B　MATLAB中神经网络工具箱函数

参考文献