《神经网络理论及其工程应用》共分五章。第一章介绍了泛函分析的基本概念，如集合、映射、线性空间、范数、序列的收敛性、连续、极限、Cauchy序列、完备空间等；第二章介绍了神经网络的发展概况、神经网络的特征、研究神经网络的意义及其应用前景等；第三章介绍了几个主要的神经网络的计算模型；第四章详细介绍了神经网络BP算法，包括BP算法的计算思路、理论分析、计算模型等，并针对BP算法存在的问题提出了若干改进措施，本章内容融入了编者的最新研究成果；第五章主要介绍了神经网络BP算法在工程中的应用情况，书中列出了大量实例，涉及面较广，侧重于测绘、交通、土木等工程领域。《神经网络理论及其工程应用》可作为测绘科学与技术学科或相关学科本科生和研究生的教材，以及相关工程技术人员的参考用书。

    知识之海浩浩荡荡，现有知识犹如沧海一粟，而庞大的工程问题无不错综复杂，现有知识是远不足以给出完备解答的。有很多复杂工程，还存在着许多“灰色地带”（即规律不清楚的领域），需要进一步的深入研究。人工神经网络模型是生物神经系统的一种高度简化后的近似，属于自适应非线性动力学系统，具有学习、记忆、计算和各种智能处理功能。人工神经网络是一门新兴交叉科学。从20世纪80年代以来，许多领域的科学家掀起了研究人工神经元网络的新高潮，积极开展了大量研究工作，现已取得了不少突破性进展。工程界也对神经网络技术及其应用表现出极大的兴趣，在用传统理论和方法难以解决的工程问题方面，神经网络方法确实能发挥很大作用，取得良好效果。神经网络能较好地解决具有不确定性、严重非线性、时变滞后的复杂系统的建模。<br>    泛函分析是现代数学的重要分支，是研究拓扑线性空间到拓扑线性空间的映射（包括非线性映射）的理论。泛函分析综合利用代数、几何、分析的观点和方法为研究各种数学模型提供了基本的构架和方法，从而使应用数学、系统分析等学科领域中的基本概念更为清晰，同时也促进了基本概念的统一。相对而言，泛函分析的概念比较抽象，对于缺乏纯数学训练的人来说，要掌握泛函分析的概念和方法不是一件轻松的事情。<br>    泛函分析起源于变分学、微分方程和函数逼近理论等领域中的研究。实际上，泛函分析可以看成是分析、代数和几何学中的概念和方法的归纳和一般化。泛函分析的研究对象是各种集合，例如数集、向量集、函数集和映射集等等，这些集合通常具有某些性质。

第1章 神经网络的数学基础<br>§1.1 概述<br>§1.2 集合和映射<br>§1.3 线性赋范空间<br>§1.4 线性赋范空间中的线性算子<br><br>第2章 神经网络的基本概念<br>§2.1 神经网络的发展史<br>§2.2 神经细胞及神经网络<br>§2.3 人工神经元网络的特征<br>§2.4 神经网络研究的意义及应用前景<br><br>第3章 神经网络的计算模型<br>§3.1 简单人工神经元模型<br>§3.2 感知器模型<br>§3.3 Hopfield网络模型<br>§3.4 自组织竞争网络模型<br><br>第4章 神经网络BP算法<br>§4.1 BP算法的数学描述<br>§4.2 BP网络的理论解析<br>§4.3 BP算法的若干改进<br>§4.4 BP网络的计算模型<br>§4.5 误差分级迭代法<br>§4.6 数据归一化限定区间优化<br>§4.7 BP网络工程应用难点分析<br><br>第5章 神经网络在工程中的应用<br>§5.1 在GPS测量数据处理中的应用<br>§5.2 在水利工程中的应用<br>§5.3 在岩土工程中的应用<br>§5.4 高速公路软土地基沉降分析的神经网络方法<br>§5.5 在公路工程中的应用<br>§5.6 在交通工程中的应用<br>§5.7 在桥梁工程中的应用<br>§5.8 在地震工程中的应用<br>参考文献