本書從多學科綜合的角度，以頂層向下（認知科學）和底層向上（神經生理學）相結合的形式說明了智能信息處理的基礎；以人工神經網絡為重點，說明了智能信息處理的連接機制、工作原理，介紹了幾種典型神經網絡的機理、計算方法及實現技術，以及進化計算、混沌與分數維等相關內容。
本書可作為模式識別與智能控制、機械電子工程等專業的研究生與高年級本科生使用的教材，也可供相關專業的工程技術人員參考。

黃忠華，北京理工大學博士生導師，副教授。長期從事無線電引信及相關領域的教學和科研工作，主要研究方向為無線電探測與智能信息處理。

王克勇，北京理工大學碩士生導師，副教授。長期從事信息處理技術、教育技術方面的教學和科研工作，主要研究方向為智能信息處理、人工智能與教育。

第1章緒論
1．1智能
1．2人工智能
1．2．1人工智能的定義
1．2．2人工智能的三個關鍵部分
1．2．3人工智能的發展簡史
1．3計算智能
1．3．1計算智能的產生與發展
1．3．2計算智能的重要特征
1．4智能信息處理的主要技術
1．4．1模糊計算技術
1．4．2神經計算技術
1．4．3進化計算技術
1．5智能技術的綜合集成
1．5．1模糊繫統與神經網絡的結合
1．5．2神經網絡和遺傳算法的結合
1．5．3模糊技術、神經網絡和遺傳算法的綜合集成
1．5．4神經、模糊和混沌的融合
1．5．5混沌與分形——孿生兄弟
1．5．6計算智能展望
第2章智能科學的認知心理學基礎
2．1認知的概念
2．2人的思維
2．3右腦的功能
2．4直覺的特征
2．5人腦短時記憶的限制
2．6本章小結
第3章生與神經繫統
3．1生
3．1．1的組成
3．1．2的分類
3．1．3靜息膜電位
3．2動作電位和Hodgkin ? Huxley方程
3．2．1動作電位
3．2．2Hodgkin ? Huxley方程
3．3神經衝動的傳導
3．3．1神經衝動的生成方式
3．3．2神經衝動傳導的特點
3．4突觸和突觸傳遞
3．4．1突觸的結構
3．4．2突觸傳遞的機理
3．5人的神經繫統組成
3．5．1中樞神經繫統
3．5．2周圍神經繫統
3．5．3中樞神經繫統的信息處理機能
3．6視覺神經繫統
3．6．1眼球的結構
3．6．2眼的感光功能
3．6．3視覺信息加工
3．6．4視覺神經繫統的信息處理
3．7本章小結
第4章人工神經網絡概述
4．1人工神經網絡概念的引發
4．1．1人腦神經繫統的主要特點
4．1．2人工智能繫統的幾種不同途徑
4．1．3人腦的建模研究
4．1．4人工神經網絡的構思
4．2人模型和人工神經網絡模型
4．2．1人工神經網絡的定義
4．2．2人模型
4．2．3人工神經網絡模型
4．3有關人工神經網絡的能力與特點的討論
4．3．1人工神經網絡的穩定性特征和收斂特征
4．3．2人工神經網絡的信息存儲與計算能力
4．3．3人工神經網絡技術的基本特征
4．4人工神經網絡的發展史
4．5本章小結
第5章MP模型和感知器
5．1MP模型
5．1．1MP模型的概念
5．1．2模式相似性的數學表示
5．1．3人工神經網絡中的一個
5．1．4單層並行分布網絡
5．1．5多層線性網絡
5．2感知器
5．2．1感知器的概念
5．2．2廣義線性判別函數及其規格化
5．2．3感知器網絡的訓練方法
5．2．4感知器的能力與局限性
5．2．5關於感知器
5．3本章小結
第6章模式聯想機
6．1模式聯想的概念
6．2模式聯想學習規則的理論基礎
6．2．1Hebb規則
6．2．2? 學習規則
6．3模式聯想機模型
6．3．1模式聯想機模型的Hebb規則
6．3．2模式聯想機中的? 規則
6．4實例練習
6．4．1練習1：Hebb規則學習的相似性和泛化
6．4．2練習2：正交性、線性獨立和學習
6．5模式聯想機的討論
6．5．1激活函數
6．5．2學習假設
6．5．3環境與訓練期
6．5．4性能量度
6．6本章小結
第7章BP神經網絡模型
7．1BP模型的概念及其產生背景
7．1．1BP模型的概念
7．1．2BP模型的產生背景
7．1．3推廣的? 規則
7．1．4BP算法
7．2BP算法計算實例——求解XOR問題
7．3BP算法的討論
7．3．1BP神經網絡拓撲結構的確定
7．3．2BP神經網絡模型的樣本數據篩選
7．3．3BP神經網絡的訓練
7．3．4應用時需要考慮的問題
7．3．5有待進一步研究的問題
7．4BP算法的應用舉例
7．4．1在繫統辨識中的應用
7．4．2幾何圖形的識別
7．5本章小結
第8章徑向基函數神經網絡
8．1徑向基函數神經網絡結構
8．2徑向基函數神經網絡的基本訓練算法
8．3徑向基函數神經網絡與多層感知器的比較
8．4徑向基函數神經網絡改進方案
8．4．1輸入模式的預處理
8．4．2基函數的選擇
8．4．3RBF層的聚類算法的改進
8．5本章小結
第9章反饋型神經網絡
9．1離散型霍普菲爾德神經網絡
9．1．1離散型霍普菲爾德神經網絡的工作方式
9．1．2網絡的穩定性
9．2連續型霍普菲爾德神經網絡
9．2．1輸入和輸出的關繫
9．2．2能量函數和穩定性
9．3離散型霍普菲爾德神經網絡用於聯想記憶
9．3．1網絡的學習
9．3．2聯想記憶的算法步驟
9．3．3用Hebb規則設計權重的網絡性質
9．4霍普菲爾德神經網絡用於優化計算
9．5本章小結
第10章進化計算及應用
10．1概述
10．1．1進化計算的產生背景
10．1．2進化計算的發展過程
10．1．3進化計算的主要特點
10．2進化計算
10．2．1進化計算的生物學基礎
10．2．2進化計算的基本結構
10．2．3進化計算的分類
10．3遺傳算法的基本理論
10．3．1遺傳算法的基本思想
10．3．2遺傳算法的基本結構
10．3．3基本遺傳算子
10．3．4遺傳算法的數學基礎
10．3．5遺傳規劃
10．4本章小結
第11章 混沌及分數維
11．1 混沌與混沌神經網絡
11．1．1 混沌的概念及發展
11．1．2 對混沌現像的分析
11．1．3 混沌學和人工神經網絡
11．2 分形和分數維
11．2．1 分形概念的提出
11．2．2 分形的特征
11．2．3 幾種典型分形的分數維
11．2．4 人腦的混沌與腦電圖的分數維
11．3 本章小結
第12章 神經網絡的實現與應用
12．1 概述
12．1．1 神經網絡計算機的主要特點
12．1．2 神經網絡實現方法
12．2 神經網絡硬件實現技術簡介
12．2．1 神經網絡的VLSI實現
12．2．2 神經網絡的光學實現
12．2．3 神經網絡的生物實現
12．3 神經網絡硬件發展的現狀
12．3．1 數字VLSI神經芯片
12．3．2 模擬VLSI神經芯片
12．3．3 數模混合神經芯片
12．3．4 神經網絡加速卡
12．3．5 神經網絡計算機
12．3．6 關於神經網絡實現技術的討論
12．4 人工神經網絡的應用
12．4．1 神經網絡適用的應用領域
12．4．2 ANN的軍事應用
12．5 人工神經網絡的發展展望
12．5．1 人工神經網絡發展中的問題
12．5．2 人工神經網絡的發展前景
12．6 本章小結
參考文獻
附錄
附錄A 智能信息處理實驗
附錄B 智能信息處理實驗源代碼（部分）