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，最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