本书内容兼顾经典的神经网络和最新的深度学习神经网络。本书为中国海洋大学核心通识课的配套教材，也可以作为本科生、研究生的专业课教材。

第1章 人工神经网络引论
1.1 初识人工神经网络
1.2 人工神经网络的发展历史
1.3 人工神经网络的类型
1.4 人工神经网络的应用领域
1.5 小结
1.6 扩展阅读
第2章 神经元模型及网络结构
2.1 点积的定义与计算
2.2 生物神经元
2.3 人工神经元
2.4 网络结构
2.5 人工神经网络的学习
2.6 小结
2.7 扩展阅读
第3章 感知器
3.1 基础知识
3.2 感知器的网络结构
3.3 感知器的学习
3.4 线性不可分问题
3.5 网络的收敛性
3.6 小结
3.7 扩展阅读
第4章 误差反传（BP）神经网络
4.1 梯度下降算法
4.2 BP网络的结构
4.3 BP算法
4.4 算法的理论推导
4.5 算法的改进
4.6 BP算法的收敛性分析
4.7 小结
4.8 扩展阅读
第5章 径向基神经网络
5.1 基础知识
5.2 RBF神经网络的结构
5.3 径向基网络的学习
5.4 广义回归神经网络
5.5 概率神经网络
5.6 小结
5.7 扩展阅读
第6章 反馈型神经网络
6.1 基础知识（NP问题）
6.2 Hopfield网络模型
6.3 Hopfield网络的稳定性
6.4 用Hopfield网络解决TSP问题
6.5 Elman神经网络模型
6.6 小结
6.7 扩展阅读
第7章 竞争型神经网络
7.1 基础知识
7.2 自组织特征映射神经网络
7.3 学习向量量化神经网络
7.4 小结
7.5 扩展阅读
第8章 非确定方法
8.1 基础知识
8.2 网络的非确定训练算法
8.3 波兹曼机
8.4 小结
8.5 扩展阅读
第9章 深度卷积神经网络
9.1 基础知识（卷积）
9.2 卷积神经网络模型
9.3 卷积神经网络的学习
9.4 卷积神经网络实例
9.5 小结
9.6 扩展阅读
第10章 循环神经网络
10.1 简单循环网络
10.2 循环神经网络的应用
10.3 循环神经网络的学习
10.4 门控循环神经网络
10.5 深度循环神经网络
10.6 小结
10.7 扩展阅读
第11章 MATLAB基本命令
11.1 MATLAB窗口
11.2 数据和变量
11.3 向量与矩阵的表示及运算
11.4 绘图命令
11.5 控制流程
11.6 函数文件
第12章 感知器的设计与应用
12.1 工具箱函数
12.2 单层感知器设计实例
12.3 多层感知器设计实例
第13章 BP神经网络的设计与应用
13.1 工具箱函数
13.2 基于BP神经网络的函数逼近
13.3 新旧版本建网函数性能比较
13.4 利用BP神经网络实现股市预测
第14章 径向基神经网络的设计与应用
14.1 工具箱函数
14.2 径向基网络设计的方法
14.3 径向基网络设计实例
第15章 Hopfield网络的设计与应用
15.1 工具箱函数
15.2 Hopfield网络的联想记忆
15.3 基于Hopfield网络的数字识别
第16章 竞争型神经网络的设计与应用
16.1 工具箱函数
16.2 SOM网络设计实例
16.3 LVQ网络设计实例
第17章 模拟退火算法的设计与应用
17.1 模拟退火算法的应用实例
17.2 蒙特卡罗方法的应用实例
第18章 深度卷积神经网络的设计与应用
18.1 构建深度卷积神经网络识别手写数字
18.2 使用残差神经网络识别彩色图像
第19章 循环神经网络的设计与应用
19.1 长短期记忆（LSTM）网络设计实例
参考文献
附录符号说明