神经网络系统理论及其应用

　　本书以前馈网络、Hopfield神经网络系统与玻尔兹曼机模型为基础，系统介绍神经网络系统的理论及其应用.本书对以上模型进行了较系统与严格的讨论，对它们的模型、学习算法、性能指标与命题给以定量的数学描述、论证与计算.关于神经网络系统的应用，除了传统的优化与识别问题外，本书重点介绍了统计分析与股市分析中的神经网络计算问题.本书可供从事数学、统计、电子、智能计算机与计算机应用的本科生、研究生、教师及有关的工程技术人员学习参考.

暂缺《神经网络系统理论及其应用》作者简介

总序
引言
有关记号
第一章概论
1.1神经网络系统理论的研究目标与发展简史
1.2神经细胞与网络的构造与功能
1.3有关神经网络系统模型与应用范围概述
1.4有关的数学工具
第二章感知器的基本模型与性质
2.1感知器的构造与学习算法
2.2线性可分性理论
2.3感知器学习算法的复杂度分析
2.4感知器学习算法的容量估计
第三章前馈网络模型
3.1感知器模型的推广问题
3.2多层感知器模型
3.3高阶感知器理论
3.4具有非线性权函数的感知器
3.5模糊感知器及其学习算法
第四章前馈网络理论的应用
4.1感知器在模式识别与经济管理中的应用
4.2感知器在规划问题中的应用
4.3统计分析问题中的神经网络计算
4.4股市行情数据分析中的神经网络计算
第五章有反馈神经网络系统理论与应用
5.1离散Hopfield神经网络系统模型及其稳定性问题
5.2HNNS的学习算法问题
5.3HNNS的学习算法的容量问题
5.4TSP（售货员路线）问题
第六章玻尔兹曼（Boltzmann）机理论分析
6.1玻尔兹曼机的模型构造
6.2玻尔兹曼机的状态的运动方程及其稳定性问题
6.3玻尔兹曼机的学习算法
结束语
参考文献