類神經網路入門（第三版）

第1章 類神經網路基本認識
1.1 什麼是類神經網路？
1.2 為什麼需要類神經網路？
1.3 類神經網路(Artificial Neural Networks, ANN or NN)簡介
1.4 歷史

第2章 認知器
2.1 什麼是認知器(Perceptrons)？
2.2 學習法則(Learning algorithms)
2.3 轉移函數
2.4 範例
習題

第3章 適應線性元件
3.1 單層類神經網路
3.2 適應線性元件
3.3 範例
習題

第4章 多層類神經網路
4.1 多層類神經網路
4.2 解xor問題
4.3 誤差倒傳遞學習法則
4.4 範例
習題

第5章 類神經網路基本應用
5.1 線性規劃(Linear Programming)
5.2 適應雜訊清除問題(ANCP)
5.3 多數決問題(Majority voting)
5.4 字元辨識問題(Character Recognition)
5.5 尋優方法檢討

第6章 Matlab與NNT使用範例
6.1 平行輸入及循序輸入之模擬
6.2 步進學習(Incremental learning)及批次學習(Batch learning)
6.3 FIR濾波器及newlin的關係
6.4 頻率變動偵測(Frequency variation detection)
6.5 改良Hebb學習法及其他

第7章 其他類神經網路介紹
7.1 競爭式類神經網路
7.2 自我組織特徵映像
7.3 LVQ類神經網路
7.4 Hopfield類神經網路
7.5 Radial Basis類神經網路
7.6 Elman類神經網路
7.7 ART1類神經網路
習題