神经网络导论

　　《神经网络导论》共5章，第1章主要介绍神经网络、微分系统稳定性理论和泛函分析的基本理论和概念；第2章介绍神经网络的基本模型及算法；第3章介绍后期比较热门的三种神经网络，即Hopfield神经网络、细胞神经网络与双向联想（BAM）神经网络的模型及动力学问题；第4章介绍复杂神经网络模型及动力学问题；第5章介绍神经网络的应用，因为神经网络模型是一个非线性动力学系统，有些内容让读者难以读懂，所以《神经网络导论》写作时力求内容简洁、通俗，论述深入浅出，系统地介绍了神经网络模型、算法及动力学问题。《神经网络导论》既可作为数学专业或工科专业的本科生教材，也可作为研究生教材或供从事神经网络理论研究的科研人员阅读。

　　王晓梅 著

前言 第1章 绪论 1．1 神经网络简介 1．1．1 神经网络的概念 1．1．2 神经网络的发展 1．1．3 神经网络的优点 1．1．4 人工神经元模型 1．1．5 神经网络的网络结构 1．2 微分方程稳定性理论基础 1．2．1 微分方程的基本知识 1．2．2 微分、积分不等式 1．2．3 Lyapunov函数相关定义和定理 1．2．4 稳定性的基本定义和定理 1．2．5 Lyapunov直接法的基本定理 1．2．6 构造Lyapunov函数的基本方法 第2章 神经网络基本模型 2．1 M-P模型 2．1．1 MP模型的概念 2．1．2 标准M-P模型 2．1．3 时延M-P模型 2．1．4 改进的M-P模型 2．2 感知器模型 2．2．1 问题背景 2．2．2 感知器的概念 2．2．3 单层感知器神经元模型 2．2．4 单层感知器工作原理 2．2．5 单层感知器用于模式识别 2．2．6 多层感知器神经元 2．2．7 感知器的学习规则 2．2．8 感知器的局限性 2．2．9 本节小结 2．3 自适应线性神经元模型 2．3．1 线性神经网络模型 2．3．2 线性神经网络的学习 2．3．3 线性神经网络的MATLAB仿真程序设计 2．4 BP神经网络模型 2．4．1 BP神经元及BP网络模型 2．4．2 BP网络的学习 2．4．3 BP网络学习算法 2．4．4 理论与实例 2．4．5 BP网络的局限性 2．4．6 BP网络的MATLAB仿真程序设计 2．4．7 BP网络应用实例 2．5 径向基函数神经网络模型简介 2．5．1 径向基网络模型 2．5．2 径向基网络的创建与学习过程 2．5．3 其他径向基神经网络 2．5．4 径向基网络的MATLAB仿真程序设计 第3章 常用神经网络模型及动力学问题 3．1 Hopfield神经网络模型及动力学问题 3．1．1 无时滞的Hopfield神经网络模型及动力学问题 3．1．2 有时滞的Hopfield神经网络模型及动力学问题 3．1．3 Hopfield神经网络的k-稳定性分析 3．2 细胞神经网络模型及动力学问题 3．2．1 无时滞的细胞神经网络的平衡点及稳定性 3．2．2 有时滞的细胞神经网络的平衡点及稳定性 3．2．3 无时滞细胞神经网络的周期解及稳定性 3．2．4 有时滞细胞神经网络的周期解及稳定性 3．2．5 广义细胞神经网络简介 3．3 BAM神经网络模型及动力学问题 3．3．1 无时滞BAM神经网络模型及稳定性 3．3．2 具有连续时滞的BAM神经网络模型及稳定性 3．3．3 具有连续和离散时滞的混杂BAM神经网络模型及动力学问题 第4章 复杂神经网络模型及动力学问题 4．1 二阶Hopfield神经网络模型及动力学问题 …… 5 神经网络的应用 参考文献 附录