内容简介：
《智能科学与技术本科专业系列教材•神经网络设计方法与实例分析》从神经网络设计和应用实践出发，介绍了10种常见的人工神经网络的基本原理、设计方法，并从各个应用领域精选了丰富的典型应用实例进行剖析，旨在使读者对各类常用的人工神经网络的基本原理和学习算法进一步加深理解，熟悉其主要功能，掌握其设计方法，了解其主要应用，为设计各类神经网络和解决实际问题打下基础。主要内容包括神经网络模型评估与选择；10种典型网络的设计与应用，包括BP网络、RBF网络、SOFM网络、LVQ网络、CPN网络、ART网铬、Hopfield网络、时序递归网络、CMAC网络、SVM网络；最后介绍了人工神经元网络设计开发平台。
目录：
第1章 神经网络模型评估及选择 1.1 神经网络的泛化能力[1-3] 1.2 神经网络预测模型的一般描述[2，3] 1.3 研究神经网络泛化能力的理论基础[2-6] 1.3.1 经验风险最小化原则 1.3.2 结构风险最小化原则 1.3.3 偏差-方差分解 1.4 影响神经网络的泛化能力的具体因素[2-5] 1.4.1 神经网络具有泛化能力的基本必要条件 1.4.2 噪声的影响 1.4.3 “欠拟合”和“过拟合” 1.5 提高神经网络的泛化能力的方法[4，6] 1.5.1 模型结构选择 1.5.2 训练集扩展方法 1.5.3 提前停止 1.5.4 权值衰减 1.5.5 贝叶斯学习 1.5.6 神经网络集成[7-14] 1.6 神经网络模型的评估与选择[4-6，15] 1.6.1 神经网络模型的评估 1.6.2 神经网络模型的选择 本章参考文献第2章 基于BP算法的多层感知器的设计与应用第3章 径向基函数神经网络的设计与应用第4章 SOFM网络设计与应用第5章 LVQ网络设计与应用第6章 对偶传播神经网络第7章 ART网络设计及应用第8章 Hopfield网络的设计与应用第9章 时序递归网络的设计与应用第10章 CMAC网络的设计与应用第11章 支持向量机的设计与应用第12章 人工神经元网络设计开发平台