第1章 神经网络模型评估及选择

 1.1 神经网络的泛化能力[1-3]

 1.2 神经网络预测模型的一般描述[2，3]

 1.3 研究神经网络泛化能力的理论基础[2-6]

1.3.1 经验风险最小化原则

1.3.2 结构风险最小化原则

1.3.3 偏差-方差分解

 1.4 影响神经网络的泛化能力的具体因素[2-5]

1.4.1 神经网络具有泛化能力的基本必要条件

1.4.2 噪声的影响

1.4.3 “欠拟合”和“过拟合”

 1.5 提高神经网络的泛化能力的方法[4，6]

1.5.1 模型结构选择

1.5.2 训练集扩展方法

1.5.3 提前停止

1.5.4 权值衰减

1.5.5 贝叶斯学习

1.5.6 神经网络集成[7-14]

 1.6 神经网络模型的评估与选择[4-6，15]

1.6.1 神经网络模型的评估

1.6.2 神经网络模型的选择

 本章参考文献

第2章 基于BP算法的多层感知器的设计与应用

第3章 径向基函数神经网络的设计与应用

第4章 SOFM网络设计与应用

第5章 LVQ网络设计与应用

第6章 对偶传播神经网络

第7章 ART网络设计及应用

第8章 Hopfield网络的设计与应用

第9章 时序递归网络的设计与应用

第10章 CMAC网络的设计与应用

第11章 支持向量机的设计与应用

第12章 人工神经元网络设计开发平台

本书从神经网络设计和应用实践出发，介绍了10种常见的人工神经网络的基本原理、设计方法，并从各个应用领域精选了丰富的典型应用实例进行剖析，旨在使读者对各类常用的人工神经网络的基本原理和学习算法进一步加深理解，熟悉其主要功能，掌握其设计方法，了解其主要应用，为设计各类神经网络和解决实际问题打下基础。主要内容包括神经网络模型评估与选择；10种典型网络的设计与应用，包括BP网络、RBF网络、SOFM网络、LVQ网络、CPN网络、ART网铬、Hopfield网络、时序递归网络、CMAC网络、SVM网络；最后介绍了人工神经元网络设计开发平台。

本书可作为具有一定人工神经网络理论基础的科技工作者解决实际问题时的设计参考书，也可作为相关专业研究生及本科专业高年级学生的参考教材。

本书选择了近年应用较为普及的典型网络，其中包括静态网络和动态网络；既有监督式学习网络，也有无监督式学习网络；既有前馈网络，也有反馈网络；既有单个网络的应用，也有多个网络协同工作的应用。

本书重点介绍人工神经网络的主要设计方法，从各个应用领域精选了丰富的典型应用实例进行剖析，旨在使读者对各类常用人工神经网络的基本原理和学习算法进一步加深理解，熟悉其主要功能，掌握其设计方法，了解其主要应用，为设计各类神经网络和解决实际问题打下基础。