Spis treści (z wydania I):

Przedmowa

1. Wstęp
1.1. Podstawy biologiczne działania neuronu
1.2. Pierwsze modele sieci neuronowej
1.3. Przegląd zastosowań sieci neuronowych

2. Modele neuronów i metody ich uczenia
2.1. Perceptron
2.2. Neuron sigmoidalny
2.3. Neuron typu adaline
2.4. Instar i outstar Grossberga
2.5. Neurony typu WTA
2.6. Model neuronu Hebba
2.7. Model stochastyczny neuronu

3. Sieci jednokierunkowe wielowarstwowe typu sigmoidalnego
3.1. Sieć jednowarstwowa
3.2. Sieć wielowarstwowa perceptronowa
3.3. Grafy przepływowe w zastosowaniu do generacji gradientu
3.4. Algorytmy gradientowe uczenia sieci
3.5. Dobór współczynnika uczenia
3.6. Metody heurystyczne uczenia sieci
3.7. Porównanie efektywności algorytmów uczących
3.8. Elementy optymalizacji globalnej
3.9. Metody inicjalizacji wag

4. Problemy praktycznego wykorzystania sieci neuronowych
4.1. Wstępny dobór architektury sieci
4.2. Dobór optymalnej architektury sieci
4.3. Metody rozbudowy sieci
4.4. Dobór próbek uczących sieci
4.5. Wtrącanie szumu do wzorców uczących
4.6. Przykłady zastosowań sieci perceptronowej

5. Sieci neuronowe radialne
5.1. Podstawy matematyczne
5.2. Sieć neuronowa radialna
5.3. Metody uczenia sieci neuronowych radialnych
5.4. Przykład zastosowania sieci radialnej
5.5. Metody doboru liczby funkcji bazowych
5.6. Porównanie sieci radialnych z sieciami sigmoidalnymi

6. Specjalizowane struktury sieci neuronowych
6.1. Sieć kaskadowej korelacji Fahlmana
6.2. Sieć Volterry

7. Sieci rekurencyjne jako pamięci asocjacyjne
7.1. Wprowadzenie
7.2. Siec autoasocjacyjna Hopfielda
7.3. Sieć Hamminga
7.4. Sieć typu BAM

8. Sieci rekurencyjne tworzone na podstawie perceptronu
8.1. Wprowadzenie
8.2. Sieć perceptronowi ze sprzężeniem zwrotnym
8.3. Sieć rekurencyjna Elmana
8.4. Sieć RTRN

9. Sieci samoorganizujące się na zasadzie współzawodnictwa
9.1. Zależności podstawowe sieci samoorganizujących się przez współzawodnictwo
9.2. Algorytmy uczące sieci samoorganizujących
9.3. Sieć odwzorowań jedno- i dwuwymiarowych
9.4. Odwzorowanie Sammona
9.5. Zastosowania sieci samoorganizujących
9.6. Sieć hybrydowa

10. Sieci samoorganizujące typu korelacyjnego
10.1. Funkcja energetyczna sieci korelacyjnych
10.2. Sieci neuronowe PCA
10.3. Sieci neuronowe ICA Heraulta-Juttena

11. Podstawy matematyczne systemów rozmytych
11.1. Operacje na zbiorach rozmytych
11.2. Miary rozmytości zbiorów rozmytych
11.3. Rozmytość a prawdopodobieństwo
11.4. Reguły rozmyte wnioskowania
11.5. Systemy wnioskowania rozmytego Mamdaniego-Zadeha
11.6. Model wnioskowania Takagi-Sugeno-Kanga

12. Sieci neuronowe rozmyte
12.1. Struktura sieci rozmytej TSK
12.2. Struktura sieci Wanga-Mendela
12.3. Algorytm hybrydowy uczenia sieci rozmytych
12.4. Algorytm samoorganizacji w zastosowaniu do uczenia sieci rozmytej
12.5. Adaptacyjny algorytm samoorganizacji dla sieci rozmytej

Bibliografia
Skorowidz