混合神经网络技术（第二版）

　　第二版 前言
　　第一版 前言
　　第1章 绪论
　　1.1 神经网络的概念与分类
　　1.2 神经网络的基本特征和基本功能
　　1.3 神经网络的基本性质、优点及应用
　　1.4 神经网络的性能指标及研究内容
　　1.5 神经网络的发展简史、存在问题及发展趋势
　　1.6 神经网络的电磁应用
　　参考文献
　　第2章 基础知识
　　2.1 神经网络模型
　　2.2 神经网络的训练和学习
　　2.3 神经网络的泛化能力
　　2.4 神经网络训练用样本
　　参考文献
　　第3章 BP神经网络
　　3.1 BP神经网络结构
　　3.2 BP学习算法
　　3.3 BP神经网络应用要点
　　3.4 BP算法的不足及改进
　　3.5 BP神经网络应用
　　参考文献
　　第4章 RBF神经网络
　　4.1 网络结构和工作原理
　　4.2 网络的生理学基础和数学基础
　　4.3 常用的学习算法
　　4.4 网络的特点及注意事项
　　4.5 RBF神经网络应用
　　4.6 RBF神经网络与BP神经网络的比较
　　参考文献
　　第5章 Hopfield神经网络
　　5.1 Hopfield神经网络简介
　　5.2 神经动力学
　　5.3 Lyapunov定理
　　5.4 连续Hopfield神经网络
　　5.5 离散Hopfield神经网络
　　5.6 Hopfield神经网络应用
　　5.7 Hopfield神经网络特点
　　参考文献
　　第6章 粒子群神经网络
　　6.1 粒子群优化算法
　　6.2 粒子群神经网络原理及实现
　　6.3 粒子群神经网络应用
　　参考文献
　　第7章 模糊神经网络
　　7.1 模糊理论
　　7.2 模糊神经网络原理及实现
　　7.3 模糊神经网络应用
　　参考文献
　　第8章 混沌神经网络
　　8.1 混沌理论
　　8.2 混沌神经网络原理及实现
　　8.3 混沌神经网络应用
　　参考文献
　　第9章 小波神经网络
　　9.1 小波分析概述
　　9.2 小波神经网络原理及实现
　　9.3 小波神经网络应用
　　参考文献
　　第10章 知识神经网络
　　10.1 知识神经网络基本概念
　　10.2 基于局部保持投影的知识神经网络原理及实现
　　10.3 基于局部保持投影的知识神经网络应用
　　参考文献
　　第11章 神经网络集成
　　11.1 神经网络集成基本概念
　　11.2 神经网络集成实现方法
　　11.3 神经网络集成的应用
　　参考文献

　　本书在论述神经网络基本概念和基本原理的基础上，重点介绍了混合神经网络技术，同时，给出各种混合神经网络技术在电磁建模和优化问题中的应用。全书共分11章，内容主要包括神经网络的基本概念、基础知识、BP神经网络、RBF神经网络、Hopfield神经网络、粒子群神经网络、模糊神经网络、混沌神经网络、小波神经网络、知识神经网络和神经网络集成等。