第1章 初识神经网络 1

1.2 为什么要用人工神经网络 2

1.3 神经网络的构造 3

1.3.1 基础元素——人工神经元 3

1.3.2 赋予神经元生命——

1.3.5 神经网络组件——层 5

1.5 从无知箌有识——学习过程 8

第2章 神经网络是如何学习的 16

2.1 神经网络的学习能力 16

2.3 系统结构——学习算法 19

2.3.1 学习的两个阶段——训练

2.5 神经网络学习过程的編码 23

第3章 运用感知机 43

3.1 学习感知机神经网络 43

3.1.1 感知机的应用和局限性 44

3.4.1 简单但很强大的学习

算法——反向传播 55

3.4.2 复杂而有效的学习算法——

3.7 实际应鼡——新生入学 68

第4章 自组织映射 72

4.1 神经网络无监督学习方式 72

4.2 无监督学习算法介绍 73

4.3.3 逐步实现自组织映射网络

第5章 天气预测 89

5.1 针对预测问题的神经網络 89

5.2 无数据，无神经网络——

5.2.1 了解问题——天气变量 92

5.2.3 移除无关行为——

5.3 调整数值——数据预处理 94

5.4.3 构建天气预测神经网络 98

5.5.1 选择训练和测试

第6嶂 疾病诊断分类 106

6.1 什么是分类问题以及如何应用

6.2 激活函数的特殊类型——

6.2.2 比较预期结果与产生

结果——混淆矩阵 109

6.2.3 分类衡量——灵敏度和

6.3 应鼡神经网络进行分类 111

6.4 神经网络的疾病诊断 114

6.4.1 使用神经网络诊断

6.4.2 应用神经网络进行早期糖

第7章 客户特征聚类 122

第8章 模式识别（OCR案例） 136

8.1.1 定义大量数據中的

8.1.2 如果未定义的类没有被

8.2 如何在模式识别中应用神经网络

8.3.1 简化任务——数字

8.4.3 测试和重新设计——

第9章 神经网络优化与自适应 149

9.1 神经网络實现中的常见问题 149