内容简介：
《人工神经网络与模拟进化计算》较系统全面地讨论了人工神经网络与模拟进化计算的理论和工程应用，特别在学习理论和网络结构选择、动态神经网络、贝叶斯方法的应用以及模拟进化计算中的一些理论问题等方面的论述更为系统深入。讲解中力求讲清物理概念，以便读者深入理解一些主要方法的思路。
第2版加强了关于统计学习理论、核方法与支持向量机、自组织网络的灵活应用，盲信号处理等方面的内容;增加了神经网络在生物信息学和金融方面应用的实例，以及最近的一些参考文献，以便反映这一领域的新进展;为了便于掌握主要内容，对章节顺序也做了调整,模拟进化计算部分增加了分布估计算法一章。
目录：
第1章绪论1
1.1神经网络的发展与应用1
1.2人工神经元模型2
1.3用有向图表示神经网络4
1.4网络结构及工作方式5
1.5NN的学习7
1.5.1学习方式7
1.5.2学习算法7
1.5.3学习与自适应9
习题9
参考文献10
第2章前馈网络11
2.1线性阈值单元11
2.1.1用线性阈值单元实现布尔函数11
2.1.2线性可分性12
2.1.3n维欧氏空间中m个点上可实现的线性可分函数的个数13
2.2多层前馈网络的计算能力及函数逼近15
2.3感知器的学习算法17
2.4反向传播学习算法19
2.5改进反向传播算法收敛速度的措施26
2.5.1加入动量项26
2.5.2高阶导数的利用27
2.5.3共轭梯度法27
2.5.4递推最小二乘法28
2.5.5神经元空间搜索法28
2.5.6一些其他措施30
2.6多层前馈网络作用的分析31
2.6.1线性网络32
2.6.2非线性情况33
2.7应用举例34
习题45
参考文献48
第3章径向基函数网络51
3.1φ可分性51
3.2函数逼近与内插52
3.3正规化理论53
3.4RBF网络的学习60
3.5RBF网络的一些变形63
3.6CMAC网络64
3.6.1模型结构64
3.6.2工作原理分析66
3.6.3学习算法69
3.7概率神经网络70
3.8小波网络71
3.9泛函连接网络72
3.10新一代神经元模型及其计算能力的研究74
3.10.1布尔函数的计算75
3.10.2连续输入的情况75