神經網絡實用教程

前言
　　第1章 人工神經網絡概述
　　1.1 神經網絡的基本概念
　　1.1.1 生物神經元的結構與功能特點
　　1.1.2 人工神經元模型
　　1.1.3 神經網絡的結構及工作方式
　　1.1.4 神經網絡的學習
　　
　　1.2 神經網絡的特點及其應用
　　1.2.1 神經網絡的特點
　　1.2.2 神經網絡的應用領域
　　練習題
　　
　　第2章 實用神經網絡模型與學習算法
　　2.1 MATLAB快速入門
　　2.1.1 MATLAB界面組成
　　2.1.2 MATLAB基本運算
　　2.1.3 MATLAB繪圖函數(shù)
　　
　　2.2 感知器神經網絡模型與學習算法
　　2.2.1 單層感知器
　　2.2.2 單層感知器的學習算法
　　2.2.3 單層感知器的MATLAB實現(xiàn)
　　2.2.4 多層感知器
　　
　　2.3 線性神經網絡模型與學習算法
　　2.3.1 線性神經元網絡模型
　　2.3.2 線性神經網絡的學習算法
　　2.3.3 線性神經網絡的MATLAB實現(xiàn)
　　
　　2.4 BP神經網絡模型與學習算法
　　2.4.1 BP神經網絡模型
　　2.4.2 BP網絡的標準學習算法
　　2.4.3 BP神經網絡學習算法的MATLAB實現(xiàn)
　　
　　2.5 徑向基函數(shù)神經網絡模型與學習算法
　　2.5.1 RBF神經網絡模型
　　2.5.2 RBF網絡的學習算法
　　2.5.3 RBF網絡學習算法的MATLAB實現(xiàn)
　　
　　2.6 自組織神經網絡模型與學習算法
　　2.6.1 自組織特征映射神經網絡結構
　　2.6.2 自組織特征映射網絡的學習算法
　　2.6.3 自組織網絡學習算法的MATLAB實現(xiàn)
　　
　　2.7 學習向量量化（LVQ）神經網絡模型與學習算法
　　2.7.1 LVQ神經網絡結構
　　2.7.2 LVQ神經網絡的學習算法
　　2.7.3 LVQ神經網絡學習算法的MATLAB實現(xiàn)
　　
　　2.8 Elman神經網絡算法模型與學習算法
　　2.8.1 Elman神經網絡結構
　　2.8.2 Elman神經網絡學習算法
　　2.8.3 Elman神經網絡學習算法的MATLAB實現(xiàn)
　　
　　2.9 Hopfield神經網絡模型與學習算法
　　2.9.1 離散Hopfield神經網絡
　　2.9.2 連續(xù)Hopfield神經網絡
　　2.9.3 Hopfield神經網絡的MATLAB實現(xiàn)
　　
　　2.10 Boltzmann神經網絡模型與學習算法
　　2.10.1 Boltzmann機的網絡結構
　　2.10.2 Boltzmann機學習算法
　　
　　2.11 模糊神經網絡
　　2.11.1 模糊神經網絡主要形式
　　2.11.2 模糊神經網絡模型
　　2.11.3 模糊神經網絡學習方法
　　2.11.4 模糊邏輯MATLAB函數(shù)
　　練習題
　　
　　第3章 神經網絡優(yōu)化方法
　　3.1 BP網絡學習算法的改進
　　3.1.1 消除樣本輸入順序影響的改進算法
　　3.1.2 附加動量的改進算法
　　3.1.3 采用自適應調整參數(shù)的改進算法
　　……
　　第4章 nnToolKit神經網絡工具包
　　第5章 MATLAB混合編程技術
　　第6章 混合編程案例
　　附錄 2NDN神經網絡建模仿真工具
　　參考文獻