本书系统阐述了前馈神经网络、径向基函数神经网络、静态反馈神经网络、动态反馈神经网络、模糊神经网络、卷积神经网络、宽度神经网络的基本知识和基本原理，主要内容包括神经元网络的模型和结构、神经元网络的学习训练算法及神经元网络在不同领域的应用案例。本书既可作为信息与计算科学、自动化和计算机等本科专业的教材，也可作为信息类专业研究生的教材。

第0章 预备知识
0.1 激活函数
0.2 数学基础
0.3 模糊逻辑系统
0.4 动力系统的稳定性
第1章 前馈神经网络及其应用
1.1 前馈神经网络
1.2 前馈神经网络学习训练算法
1.3 前馈神经网络应用
第2章 径向基函数神经网络及其应用
2.1 径向基函数神经网络
2.2 径向基函数神经网络学习训练算法
2.3 径向基函数神经网络应用
第3章 反馈神经网络及其应用
3.1 静态反馈神经网络
3.2 静态反馈神经网络学习训练算法
3.3 静态反馈神经网络应用
3.4 动态反馈神经网络
3.5 动态反馈神经网络学习训练算法
3.6 动态反馈神经网络应用
第4章 模糊神经网络及其应用
4.1 模糊神经网络
4.2 模糊神经网络学习训练算法
4.3 模糊神经网络应川
第5章 卷积神经网络及其应用
5.1 卷积神经网络
5.2 卷积神经网络学习训练算法
5.3 卷积神经网络应用
第6章 宽度神经网络及其应用
6.1 宽度神经网络
6.2 宽度神经网络学习训练算法
6.3 宽度神经网络应用
参考文献
附录
附录1 第1章应用案例1程序代码
附录2 第1章应用案例2程序代码
附录3 第2章应用案例1程序代码
附录4 第2章应用案例2程序代码
附录5 第3章应用案例1程序代码
附录6 第4章应用案例1程序代码
附录7 第4章应用案例2程序代码
附录8 第5章应用案例程序代码
附录9 第6章应用案例程序代码
参考文献
附录