本书是一本易学易懂的神经网络教材，主要讨论网络结构、学习规则、训练技巧和工程应用，紧紧围绕“设计”这一视角组织材料和展开讲解，强调基本原理和训练方法，概念清晰，数学论述严谨，包含丰富的实例和练习，并配有课件和MATLAB演示程序。本书要求读者具备线性代数、概率论和微分方程的基础知识，可作为高年级本科生或一年级研究生的神经网络导论课程教材，也可供有兴趣的读者自学或参考。

出版者的话
译者序
前言
第1章　引言1
　1.1　目标1
　1.2　历史1
　1.3　应用3
　1.4　生物学启示4
　1.5　扩展阅读5
第2章　神经元模型及网络结构8
　2.1　目标8
　2.2　理论与例子8
　　2.2.1　记号8
　　2.2.2　神经元模型8
　　2.2.3　网络结构11
　2.3　小结15
　2.4　例题17
　2.5　结束语18
　2.6　习题18
第3章　一个说明性的实例20
　3.1　目标20
　3.2　理论与例子20
　　3.2.1　问题描述20
　　3.2.2　感知机21
　　3.2.3　Hamming网络23
　　3.2.4　Hopfield网络26
　3.3　结束语27
　3.4　习题28
第4章　感知机学习规则31
　4.1　目标31
　4.2　理论与例子31
　　4.2.1　学习规则31
　　4.2.2　感知机结构32
　　4.2.3　感知机的学习规则35
　　4.2.4　收敛性证明39
　4.3　小结41
　4.4　例题42
　4.5　结束语48
　4.6　扩展阅读49
　4.7　习题49
第5章　信号与权值向量空间53
　5.1　目标53
　5.2　理论与例子53
　　5.2.1　线性向量空间53
　　5.2.2　线性无关54
　　5.2.3　生成空间55
　　5.2.4　内积56
　　5.2.5　范数56
　　5.2.6　正交性56
　　5.2.7　向量展开式58
　5.3　小结60
　5.4　例题61
　5.5　结束语66
　5.6　扩展阅读67
　5.7　习题67
第6章　神经网络中的线性变换71
　6.1　目标71
　6.2　理论与例子71
　　6.2.1　线性变换71
　　6.2.2　矩阵表示72
　　6.2.3　基变换74
　　6.2.4　特征值与特征向量76
　6.3　小结79
　6.4　例题79
　6.5　结束语85
　6.6　扩展阅读85
　6.7　习题86
第7章　有监督的Hebb学习90
　7.1　目标90
　7.2　理论与例子90
　　7.2.1　线性联想器91
　　7.2.2　Hebb规则91
　　7.2.3　伪逆规则93
　　7.2.4　应用95
　　7.2.5　Hebb学习的变形96
　7.3　小结97
　7.4　例题98
　7.5　结束语105
　7.6　扩展阅读105
　7.7　习题106
第8章　性能曲面和最优点108
　8.1　目标108
　8.2　理论与例子108
　　8.2.1　泰勒级数108
　　8.2.2　方向导数110
　　8.2.3　极小点111
　　8.2.4　优化的必要条件113
　　8.2.5　二次函数114
　8.3　小结119
　8.4　例题120
　8.5　结束语127
　8.6　扩展阅读127
　8.7　习题128
第9章　性能优化131
　9.1　目标131
　9.2　理论与例子131
　　9.2.1　最速下降法131
　　9.2.2　牛顿法136
　　9.2.3　共轭梯度法139
　9.3　小结142
　9.4　例题142
　9.5　结束语150
　9.6　扩展阅读150
　9.7　习题151
第10章　Widrow-Hoff学习153
　10.1　目标153
　10.2　理论与例子153
　　10.2.1　ADALINE网络153
　　10.2.2　均方误差154
　　10.2.3　LMS算法156
　　10.2.4　收敛性分析157
　　10.2.5　自适应滤波器159
　10.3　小结164
　10.4　例题165
　10.5　结束语174
　10.6　扩展阅读174
　10.7　习题175
第11章　反向传播179
　11.1　目标179
　11.2　理论与例子179
　　11.2.1　多层感知机179
　　11.2.2　反向传播算法182
　　11.2.3　例子186
　　11.2.4　批量训练和增量训练188
　　11.2.5　使用反向传播188
　11.3　小结192
　11.4　例题193
　11.5　结束语201
　11.6　扩展阅读201
　11.7　习题202
第12章　反向传播算法的变形210
　12.1　目标210
　12.2　理论与例子210
　　12.2.1　反向传播算法的缺点210
　　12.2.2　反向传播算法的启发式改进215
　　12.2.3　数值优化技术218
　12.3　小结226
　12.4　例题228
　12.5　结束语235
　12.6　扩展阅读236
　12.7　习题237
第13章　泛化241
　13.1　目标241
　13.2　理论与例子241
　　13.2.1　问题描述242
　　13.2.2　提升泛化能力的方法243
　13.3　小结257
　13.4　例题258
　13.5　结束语265
　13.6　扩展阅读265
　13.7　习题266
第14章　动态网络270
　14.1　目标270
　14.2　理论与例子270
　　14.2.1　分层数字动态网络271
　　14.2.2　动态学习的基本原则273
　　14.2.3　动态反向传播276
　14.3　小结288
　14.4　例题290
　14.5　结束语296
　14.6　扩展阅读296
　14.7　习题297
第15章　竞争网络302
　15.1　目标302
　15.2　理论与例子302
　　15.2.1　Hamming网络303
　　15.2.2　竞争层304
　　15.2.3　生物学中的竞争层307
　　15.2.4　自组织特征图308
　　15.2.5　学习向量量化310
　15.3　小结314
　15.4　例题315
　15.5　结束语322
　15.6　扩展阅读322
　15.7　习题323
第16章　径向基网络329
　16.1　目标329
　16.2　理论与例子329
　　16.2.1　径向基网络329
　　16.2.2　训练RBF网络333
　16.3　小结343
　16.4　例题344
　16.5　结束语347
　16.6　扩展阅读347
　16.7　习题348
第17章　实际训练问题352
　17.1　目标352
　17.2　理论与例子352
　　17.2.1　训练前的步骤353
　　17.2.2　网络训练359
　　17.2.3　训练结果分析362
　17.3　结束语368
　17.4　扩展阅读368
第18章　实例研究1:函数逼近370
　18.1　目标370
　18.2　理论与例子370
　　18.2.1　智能传感系统描述370
　　18.2.2　数据收集与预处理371
　　18.2.3　网络结构选择372
　　18.2.4　网络训练372
　　18.2.5　验证373
　　18.2.6　数据集374
　18.3　结束语375
　18.4　扩展阅读375
第19章　实例研究2：概率估计376
　19.1　目标376
　19.2　理论与例子376
　　19.2.1　CVD过程描述376
　　19.2.2　数据收集与预处理377
　　19.2.3　网络结构选择378
　　19.2.4　网络训练379
　　19.2.5　验证381
　　19.2.6　数据集382
　19.3　结束语382
　19.4　扩展阅读383
第20章　实例研究3：模式识别384
　20.1　目标384
　20.2　理论与例子384
　　20.2.1　心肌梗死识别问题描述384
　　20.2.2　数据收集与预处理384
　　20.2.3　网络结构选择387
　　20.2.4　网络训练387
　　20.2.5　验证388
　　20.2.6　数据集389
　20.3　结束语390
　20.4　扩展阅读390
第21章　实例研究4：聚类391
　21.1　目标391
　21.2　理论与例子391
　　21.2.1　森林覆盖问题描述391
　　21.2.2　数据收集与预处理392
　　21.2.3　网络结构选择392
　　21.2.4　网络训练393
　　21.2.5　验证394
　　21.2.6　数据集396
　21.3　结束语396
　21.4　扩展阅读396
第22章　实例研究5：预测398
　22.1　目标398
　22.2　理论与例子398
　　22.2.1　磁悬浮系统描述398
　　22.2.2　数据收集与预处理399
　　22.2.3　网络结构选择399
　　22.2.4　网络训练401
　　22.2.5　验证402
　　22.2.6　数据集404
　22.3　结束语404
　22.4　扩展阅读405
附录A　参考文献406
附录B　记号413
附录C　软件417
索引420