作为人工神经网络的入门，作者希望通过对人工神经网络及其基本网络模型的介绍，使学生初步了解智能系统描述的基本模型，掌握人工神经网络的基本概念、单层网、多层网、循环网等各种基本网络模型的结构、特点、典型训练算法、运行方式、典型问题、软件实现方法等。

第二个问题是人工神经网络的实验实现和应用实现问题。目前，人工神经网络有硬件实现和软件模拟两种方式。因条件所限，绝大多数初学者都是通过软件的模拟实现来体验其功能及运行特性的。而且，国内的大多数的应用也是用软件实现的。因此，本书在介绍基本的人工神经网络模型的同时，还注意从软件实现的角度介绍相应的算法，甚至在最初的典型模型的介绍中，还给出了算法的具体实现。

本书的基本目的是：通过对人工神经网络基本构造和基本模型的介绍，使读者对其基本方法有一个基本的掌握，并能掌握如何设计出适当的计算机模拟程序，将学生引入人工神经网络及其应用的研究领域。

全书分八章。第一章介绍智能的概念、智能系统的特点及其描述基本模型，人工神经网络的特点、发展历史。第二章为人工神经网络基础，将概要介绍人工神经网络的一般特性。主要包括，生物神经网络模型，人工神经元模型与典型的激励函数；人工神经网络的基本拓扑特性，存储类型及映象，训练。第三章介绍感知器与线性不可分问题；Hebb学习律，Delta规则。第四章介绍BP网络的构成及其训练过程。第五章介绍对传网的网络结构、训练。第六章介绍统计方法，主要包括统计网络的基本训练算法，模拟退火算法与收敛分析，Cauchy训练，人工热与临界温度在训练中的使用。第七章介绍循环网络。主要包括循环网络的组织，稳定性分析；统计Hopfield网与Boltzmann机；基本双联存储网络的结构及训练。第八章介绍简单ART模型的总体结构、训练、实现。

下载全文