神经网络是计算智能和机器学习研究的*活跃的分支之一。本书全面系统地介绍神经网 络的基本概念、系统理论和实际应用。
本书包含四个组成部分:导论,监督学习,无监督学习,神经网络动力学模型。导论部 分介绍神经元模型、神经网络结构和机器学习的基本概念和理论。监督学习讨论感知机学习 规则,有监督的Hebb学习,Widrow-Hoff学习算法,反向传播算法及其变形,RBF网络,正则 化网络,支持向量机以及委员会机器。无监督学习包括主分量分析,自组织特征映射模型的 竞争学习形式,无监督学习的信息理论,植根于统计力学的随机学习机器,*后是与动态规 划相关的增强式学习。神经网络动力学模型研究由短期记忆和分层前馈网络构成的动态系统, 反馈非线性动态系统的稳定性和联想记忆,以及另一类非线性动态驱动的递归网络系统。
本书注重对数学分析方法和性能优化的讨论,强调神经网络在模式识别、信号处理和控制 系统等实际工程问题中的应用。书中包含大量例题和习题,并配有13个基于MATLAB软件的计算 机实验程序。
本书适于作研究生或大学高年级学生的教材,也可作希望深入学习神经网络的科技人员的 参考书。

出版者的话
专家指导委员会
译者序
前言
缩写和符号
第1章 导言
第2章 学习过程
第3章 单层感知器
第4章 多层感知器
第5章 径向基函数网络
第6章 支持向量机
第7章 委员会机器
第8章 主分量分析
第9章 自组织映射
第10章 信息论模型
第11章 植根于统计力学的随机机器和它们的逼近
第12章 神经动态规划
第13章 使用前馈网络的时序处理
第14章 神经动力学
第15章 动态驱动的递归网络
后记
参考文献
索引

神经网络是计算智能和机器学习研究、开发和应用*活跃的分支之一。本书是神经网络 方面的标准教材,从理论和实际应用出发,全面、系统地介绍神经网络的基本模型、基本方 法和基本技术,对神经网络的基本模型和主要学习理论都作了深入研究,特别在学习理论和 学习算法的推导方面有极为详尽而系统地分析,对神经网络的*新发展趋势和主要研究方向 都进行了全面而综合的介绍。理论和实际应用紧密结合,为神经网络的具体应用打下坚实的 基础,是一本可读性极强的教材。