內容簡介
本書是作為課本而編寫的，因此，我們首先介紹神經網絡的概念。終將使你懂得采用商品化神經網絡包，或是采用自編的程序去解決你的問題。
本書的篇介、傳遞函數和“偏置”等的概念，與傳統的線性學習機做了比較，然後，描與層的連接以層之間的連接等。第二篇討網絡。先闡述Hopfield網絡和ABAM（自適應雙向聯想記憶），然後，更詳細地闡述Kohonen網絡。Kohonen學習是神經網絡提供的一種重要的無監督（或是自組織）學習方式，由進行訓練流程的樣本標志所生成的有價值的結果。
在第三篇中，討論了多層網絡以及在這些網絡中的學習，介紹了目標的對傳和誤差反向傳播的學習方案。對傳網絡由兩層構成：上面層執行Kohonen學習，輸出層執行對目標加權的修正，這些目標從網絡的反向部分一端（即從輸出端）輸入到網絡中。誤差反向傳播是應用廣泛的神經網絡學習方法。現在，全部應用的90%是用誤差反向傳播學習來進行的至少在化學界情況是這樣。因此，這一方法將作更詳細地討論。
本書的篇介、傳遞函數和“偏置”等的概念，與傳統的線性學習機做了比較，然後，描與層的連接以層之間的連接等。第二篇討網絡。先闡述Hopfield網絡和ABAM（自適應雙向聯想記憶），然後，更詳細地闡述Kohonen網絡。Kohonen學習是神經網絡提供的一種重要的無監督（或是自組織）學習方式，由進行訓練流程的樣本標志所生成的有價值的結果。
在第三篇中，討論了多層網絡以及在這些網絡中的學習，介紹了目標的對傳和誤差反向傳播的學習方案。對傳網絡由兩層構成：上面層執行Kohonen學習，輸出層執行對目標加權的修正，這些目標從網絡的反向部分一端（即從輸出端）輸入到網絡中。誤差反向傳播是應用廣泛的神經網絡學習方法。現在，全部應用的90%是用誤差反向傳播學習來進行的至少在化學界情況是這樣。因此，這一方法將作更詳細地討論。
