本书是为信号与信息处理、模式识别与智能系统等学科的本科高年级学生和硕士生编写的教材，也是相关专业技术人员自学人工神经网络的入门参考书。

全书共分7个章节，以信号与信息处理、模式识别与智能系统等学科为背景，对人工神经网络的基础知识作了介绍，具体包括前向多层网络、Hopfield网络、波尔兹曼机(BM)网络简介、自组织特征映射网络(SOFM)、ART网络等。该书可供各大专院校作为教材使用，也可供从事相关工作的人员作为参考用书使用。

本书以信号与信息处理、模式识别与智能系统等学科为背景，介绍人工神经网络的基础知识。为了更好地学习人工神经网络的需要，在不同章节较多而通俗地插入介绍了生物神经系统的结构和功能特点以及人类认知心理学等方面的有用知识。对BP型前向多层网络、Hopfield网络、波尔兹曼机概率型网络、自组织特征映射网络和自适应谐(ART)网络等基本类型的人工神经网络进行了较为详细的和基础性的介绍。

本书内容深入浅出，语言通俗易懂。在每章最后，结合本章的关键问题给出了思考与讨论题目，以引起读者对这些问题更多地关注或者在教学环节中进行讨论。

本书可作为本科高年级学生和硕士生教材，也可供相关专业技术人员自学参考。

第1章 绪论

 1.1 引言

 1.2 生物神经元和生物神经网络简介

 1.3 人工神经元和人工神经网络

 思考与讨论

 参考文献

第2章 前向多层网络

 2.1 人工神经网络入门：单个神经元分类识别器

 2.2 感知机：历史和概念

 2.3 前向多层网络误差反向传递算法：BP网络

 2.4 BP网络及有教师学习的概念模型

 2.5 BP网络应用举例

 2.6 径向基函数网络

 思考与讨论

 参考文献

第3章 Hopfield网络

 3.1 引言

 3.2 网络模型

 3.3 Hopfield网络的联想记忆功能

 3.4 Hopfield网络的最优化处理和计算功能

 思考与讨论

 参考文献

第4章 波尔兹曼机(BM)网络简介

 4.1 概述

 4.2 波尔兹曼机的基本原理

 4.3 波尔兹曼机的实验应用举例

 4.4 波尔兹曼机小结

 思考与讨论

 参考文献

第5章 自组织特征映射网络(SOFM)

 5.1 引言

 5.2 自组织特征提取的算法及其数学证明

 5.3 竞争学习和自稳定学习

 5.4 Kohonen网络：具有确定侧反馈的多神经元SOFM网络

 5.5 SOFM网络应用举例：Kohonen神经网络语音打字机

 思考与讨论

 参考文献

第6章 ART网络

 6.1 引言

 6.2 ART-1网络

 6.3 ART-2网络

 6.4 ART-3网络简介

 6.5 结语

 思考与讨论

 参考文献

第7章 人工神经网络的软件实践和仿真

 7.1 引言

 7.2 利用参数和函数进行网络设计和仿真示例

 7.3 MATLAB的GUI设计与分析

 7.4 人工神经网络的Simulink仿真

 参考文献