第1章 导言
1.1 什么是神经网络
1.2 人脑
1.3 神经元模型
1.4 看作有向图的神经网络
1.5 反馈
1.6 网络结构
1.7 知识表示
1.8 人工智能和神经网络
1.9 历史注释
注释和参考文献
习题
第2章 学习过程
2.1 简介
2.2 误差修正学习
2.3 基于记忆的学习
2.4 Hebb学习
2.5 竞争学习
2.6 Boltzmann学习
2.7 信任赋值问题
2.8 有教师学习
2.9 无教师学习
2.10 学习任务
2.11 记忆
2.12 自适应
2.13 学习过程的统计性质
2.14 统计学习理论
2.15 可能近似正确的学习模型
2.16 小结和结论
注释和参考文献
习题
第3章 单层感知器
3.1 简介
3.2 自适应滤波问题
3.3 无约束最优化技术
3.4 线性最小二乘滤波
3.5 最小均方算法
3.6 学习曲线
3.7 学习率退火进度
3.8 感知器
3.9 感知器收敛定理
3.10 Gauss环境下感知器与Bayes分类器的关系
3.11 小结和结论
注释和参考文献
习题
第4章 多层感知器
4.1 简介
4.2 预备知识
4.3 反向传播算法
4.4 反向传播算法小结
4.5 异或问题
4.6 改善反向传播算法性能的试探法
4.7 输出表示和决策规则
4.8 计算机实验
4.9 特征检测
4.10 反向传播和微分
4.11 Hessio