本书所阐述的是一套从激励函数选取、人工神经网络构建、权值直接确定到结构自确定的相对完备和统一的神经网络确定性理论，对其他相关学者的研究汇总工作也具有一定的启发借鉴意义。同时，在著述上采用了分析和综合已有成果、循序渐进、环环相扣却又各章节相对独立的撰写思路，既有利于读者通读又有利于选读。

本书适用于自动化、电子、计算机科学、数学和其他相关工程专业的研究人员、研究生，也可以作为对人工神经网络领域感兴趣的工程技术人员的参考辅导书。

第1章 人工神经网络概述

 1．1 神经网络的基本概念

1．1．1 什么是人工神经网络

1．1．2 人工神经网络的生物学基础

1．1．3 人工神经元模型

1．1．4 人工神经网络模型

1．1．5 神经网络学习算法

 1．2 神经网络发展简史

 1．3 神经网络应用

1．3．1 模式识别

1．3．2 自动控制

1．3．3 信号处理

1．3．4 人工智能

 参考文献

第2章 传统神经网络及学习算法

 2．1 感知器

2．1．1 简单单层感知器网络

2．1．2 单层感知器神经网络

2．1．3 单层感知器的有教师学习算法

2．1．4 单层感知器网络的局限性

 2．2 径向基网络

 2．3 Hop6eld神经网络

 2．4 误差回传(BP)神经网络

 2．5 MATLAB神经网络工具箱

 参考文献

第3章 BP神经网络

 3．1 BP神经网络的发展

 3．2 BP神经元及神经网络模型

 3．3 BP神经网络学习算法

3．3．1 信号的正向传递

3．3．2 BP学习算法的误差反向传播与权值阈值更新增量

3．3．3 网络权值阈值更新公式

 3．4 BP神经网络的局限

3．4．1 局部极小点

3．4．2 学习／收敛速度慢

3．4．3 网络结构难以确定

 3．5 标准BP算法的改进

3．5．1 增加动量项的BP学习算法

3．5．2 可变学习率的BP算法

3．5．3 弹性BP学习算法

3．5．4 共轭梯度法改进

3．5．5 Levenberg-Marquardt算法

 3．6 计算机简单示例

 参考文献

第4章 权值直接确定法

 4．1 相关数学基础

4．1．1 最佳逼近理论

4．1．2 多元多项式的逼近理论

4．1．3 矩阵伪逆与线性方程组求解

 4．2 幂激励前向神经网络

4．2．1 网络模型与理论基础

4．2．2 基于BP算法的迭代公式

4．2．3 权值直接确定公式

4．2．4 计算机仿真实例

4．2．5 小结与思考

 参考文献

 附录

第5章 权值可直接确定的神经网络模型(一)

 5．1 正交多项式激励函数

 5．2 Hermite正交多项式神经网络

 5．3 Chebyshev正交多项式神经网络

 5．4 Jacobi正交多项式神经网络

 5．5 小结与思考

 参考文献

第6章 权值可直接确定的神经网络模型(二)

 6．1 Fourier级数及逼近

 6．2 Fourier三角基神经网络

 6．3 Fourier复指数基神经网络

 6．4 小结与思考

 参考文献

 附录

第7章 权值可直接确定的其他神经网络模型

 7．1 Pade有理式神经网络

 7．2 样条神经网络

 7．3 小结与思考

7．3．1 相对BP算法的突破

7．3．2 对网络激励函数的要求

7．3．3 理论与应用上的新意

参考文献

第8章 神经网络结构自确定

 8．1 神经网络的拓扑结构

8．1．1 简单前向神经网络结构

8．1．2 带反馈的前向神经网络结构

8．1．3 层内互连的前向神经网络结构

8．1．4 反馈神经网络结构

 8．2 隐神经元数对前向网络性能的影响

 8．3 传统网络结构调整方法

8．3．1 基于信息熵的隐神经元数估计法

8．3．2 基于LMBP改进算法的神经网络结构优化

8．3．3 基于黄金分割的优化算法

8．3．4 剪枝算法

8．3．5 基于遗传算法的网络结构优化

8．3．6 代数方程优化法

 8．4 动态结构神经网络的实现

8．4．1 动态增添神经元算法

8．4．2 动态删减神经元算法

8．4．3 计算机仿真与展示

8．4．4 计算机应用示例

 8．5 神经网络最优结构确定

 参考文献

第9章 基于权值直接确定法的网络结构自确定算法

 9．1 Chebyshev神经网络结构自确定

 9．2 Legendre神经网络结构自确定

 9．3 Gegenbauer神经网络结构自确定

 9．4 结构自确定法的适用范围和应用意义

 参考文献

 附录

第10章 多输入神经网络权值与结构确定

 10．1 多输人多项式神经网络模型

 10．2 多输人多项式神经网络权值直接确定

10．2．1 权值迭代修正公式

10．2．2 全局收敛性质及最优权值直接求解

10．2．3 计算机仿真验证及与BP、RBF神经网络性能对比

 10．3 多输人多项式神经网络的结构自确定

 10．4 小结与思考

 参考文献

 附录