人工神经网络研究进展及论文发表过程论辩

　　绪论
　　第一部分 神经网络权值直接确定
　　第一章 Legendre正交基前向神经网络的权值直接确定法
　　第一节 论文原稿
　　第二节 论文撰写、投稿模版与表格
　　第三节 评审建议
　　第四节 答复与修改
　　第五节 本章小结
　　第二章 Laguerre正交基前向神经网络及其权值直接确定法
　　第一节 论文原稿
　　第二节 投稿模版与表格
　　第三节 评审建议
　　第四节 答复与修改
　　第五节 关于校样
　　第六节 本章小结
　　第三章 相关英文论文阅读
　　第一节 英文科研论文 A Weights-Directly-Determined Simple Neural Network for Nonlinear System Identification
　　第二节 小结与思考
　　第二部分 神经网络结构自动确定
　　第四章 Gegenbauer神经网络之隐神经元自动确定及其预测应用
　　第一节 论文原稿
　　第二节 一审意见与建议
　　第三节 答复与修改
　　第四节 二审意见与建议
　　第五节 答复、修改与附图说明
　　第六节 本章小结
　　第五章 Hermite前向神经网络隐节点数目自动确定
　　第一节 论文原稿
　　第二节 投稿事项
　　第三节 审稿意见
　　第四节 答复与修改
　　第五节 本章小结
　　第六章 复指数Fourier神经元网络隐神经元衍生算法
　　第一节 论文原稿
　　第二节 评审建议
　　第三节 答复与修改
　　第四节 本章小结
　　第七章 相关英文论文阅读
　　第一节 英文科研论文 Growing Algorithm of Laguerre Orthogonal Basis Neural Network with Weights Directly Determined
　　第二节 小结与思考
　　第三部分 神经网络同质性研究
　　第八章 矩阵求逆所展示的BP和Hopfield神经网络学习同质性
　　第一节 论文原稿
　　第二节 投稿模版
　　第三节 评审意见与建议
　　第四节 答复与修改
　　第五节 二审意见与建议
　　第六节 二审答复与修改
　　第七节 终审意见
　　第八节 终审后的思考
　　第九节 本章小结
　　第九章 二次型函数最小化所展现的BP与Hopfield神经网络学习同质性
　　第一节 论文原稿
　　第二节 一审意见
　　第三节 答复与修改
　　第四节 二审建议
　　第五节 答复与修改
　　第六节 本章小结
　　第十章 相关英文论文阅读
　　第一节 英文科研论文 Common Nature of Learning Exemplified by BP and Hopfield Neural Networks for Solving Online a System of Linear Equations
　　第二节 小结与思考
　　第四部分 神经网络仿真、应用及其他
　　第十一章 梯度神经网络实时求解Sylvester矩阵方程之MATLAB仿真
　　第一节 论文原稿
　　第二节 评审建议
　　第三节 答复与修改
　　第四节 终审与校稿
　　第五节 本章小结
　　第十二章 神经网络在反插值问题中的应用
　　第一节 论文原稿
　　第二节 评审建议
　　第三节 答复与修改
　　第四节 二次修改
　　第五节 本章小结
　　第十三章 基于二次型优化和神经网络求解的平面多连杆机器手臂自运动规划
　　第一节 论文原稿
　　第二节 投稿及评审建议
　　第三节 评审答复
　　第四节 多次修改
　　第五节 本章小结
　　第十四章 相关英文论文阅读
　　第一节 英文科研论文A MATLAB Simulation of Gradient-Based Neural Network for Online Matrix Inversion
　　第二节 英文科研论文B MATLAB Simulink Modeling and Simulation of Zhang Neural Network for Online Time-Varying Matrix Inversion
　　第三节 英文科研论文C A Dual Neural Network Applied to Drift-Free Resolution of Five-Link Planar Robot Arm
　　第四节 小结与思考
　　后记

　　    张雨浓博士，现被聘为中山大学信息科学与技术学院电子系“百人计划”教授。博士生导师。1999年在华南理工大学获得硕士学位；2002年在香港中文大学获得博士学位；2003年在新加坡国立大学做博士后研究；曾在英国斯杰科莱大学、爱尔兰国立大学哈密顿研究所从事科研工作。在国际顶级杂志和会议上发表论文40余篇，其中IEEE杂志论文8篇，主持国家自然科学基金1项。主要研究领域为冗余机器人、递归神经网络、高斯过程、科学计算和软硬件开发。

　　    本书介绍作者及团队近年来在人工神经网络科研方面的新进展，以及对应的论文写作、投稿、答复、论辩、修改和发表的种种经历与过程。本书适合作为相关学科研究生的教学和自学教材，也可作为相关学者、科研人员和专业人士科研参考用书，对于各类科研人员（尤其是初学者）在研究成果的发表方面有参考、指导和协助的意义。
　　    科学成果的取得不是简单的闭门造车，而是要在实践和辩论中去检验；苏格拉底讲，真理是论辩而得。本书阐述了作者及团队最新的人工神经网络学术研究成果及其论文投稿与论辩过程，阐明了科学研究中论辩的重要性、丰富意义和对后续科研思路的启发。本书可使读者在了解和学习人工神经网络最新科研成果的同时，协助和加快读者进入相关科学研究之门径，为读者研究成果的发表提供指导和参考。
　　    本书可作为相关学科的教材和科研用书。