1章　類神經網路簡介1-11-1　何謂「類神經網路」1-21-2　腦生理學1-21-2.1　神經細胞電化學作用學說1-31-2.2　Hebbian神經細胞學習規則1-31-3　生物神經元模型1-41-3.1　神經網路計算與數位電腦的比較1-51-4　人工神經元模型1-61-4.1　常用的非線性轉換函數1-71-5　類神經網路基本架構1-91-6　類神經網路的運作過程1-101-6.1　回歸型網路的運作過程1-111-6.2　前授型網路的運作過程1-111-7　類神經網路的特性1-122章　感知機與倒傳遞類神經網路2-12-1　單層感知機2-22-1.1　單層感知機數學模型2-22-1.2　單層感知機的分類應用2-32-1.3　加入隱藏單元的感知機2-62-1.4　感知機的評價2-62-2　前授型多層感知機2-72-3　倒傳遞類神經網路2-82-3.1　網路架構2-82-3.2　運作過程2-92-4　倒傳遞網路演算法2-102-4.1　學習演算法2-102-4.2　回想演算法2-152-4.3　演算法的推導2-162-5　倒傳遞網路程式例2-202-5.1　學習程式2-202-5.2　回想程式2-272-6　倒傳遞網路的應用實例2-312-6.1　實例一：XOR邏輯問題2-312-6.2　實例二：蝴蝶花分類問題2-342-7　倒傳遞神經網路的評價2-393章　霍普菲爾網路3-13-1　網路架構與運作過程3-23-1.1　由能量觀點來看網路的運作過程3-43-1.2　霍普菲爾網路的類型3-63-2　霍普菲爾網路演算法3-73-2.1　記憶演算法3-73-2.2　聯想演算法3-83-2.3　網路手算例3-93-3　霍普菲爾網路演算法的證明3-133-4　霍普菲爾網路程式例3-163-4.1　記憶程式3-163-4.2　聯想程式3-193-5　霍普菲爾網路應用實例3-233-5.1　記憶聯想人的臉面特徵3-233-5.2　記憶聯想阿拉伯數字3-263-6　霍普菲爾網路容量問題3-343-7　連續型霍普菲爾網路模型3-353-8　霍普菲爾網路的評價3-384章　類神經網路的應用4-14-1　自走式機械人控制4-24-1.1　運動機構4-24-1.2　感測器4-34-1.3　控制電路4-44-1.4　神經網路架構4-54-1.5　學習過程4-74-1.6　佈景設計與訓練樣本4-84-2　類神經網路控制系統模型4-144-2.1　一般學習架構4-154-2.2　專門學習架構4-164-2.3　一般學習與專門學習混合應用4-194-3　最佳化計算4-194-3.1　旅行推銷員問題的求解過程4-214-3.2　求解旅行推銷員問題的程式例4-254-3.3　應用實例4-334-3.4　霍普菲爾網路在最佳化計算的評價4-365章　集合理論　　傳統與模糊集合5-15-1　傳統集合5-25-1.1　傳統集合的運算5-35-1.2　傳統集合的運算性質5-45-1.3　傳統集合的特徵函數5-65-2　模糊集合5-75-2.1　模糊集合的表示法5-95-2.2　模糊集合運算5-125-2.3　模糊集合運算性質5-135-3　模糊集合歸屬函數的特徵5-145-4　傳統集合的關係5-185-4.1　直積集合5-185-4.2　傳統關係5-195-4.3　傳統關係的運算5-205-5　模糊集合的關係5-235-5.1　模糊關係5-235-5.2　模糊關係的運算5-245-6　映　射5-265-6.1　擴展原理5-276章　模糊邏輯與模糊推論6-16-1　傳統二值邏輯6-26-1.1　複合命題6-36-1.2　以集合關係來表示蘊含邏輯運算6-56-1.2　2值邏輯推論6-96-2　模糊邏輯6-116-2.1　複合模糊命題6-126-3　模糊語言6-156-4　模糊推論6-167章　模糊控制7-17-1　簡　介7-27-1.1　本章學習目標7-37-2　模糊控制器的組成7-37-3　模糊控制器的設計步驟7-57-4　水位模糊控制7-97-5　洗衣機模糊控制7-137-6　本章重點7-258章　模糊溫度控制器8-18-1　系統描述8-28-2　單輸入系統模糊溫度控制器8-28-3　單輸入模糊溫度控制器的實作8-68-4　雙輸入模糊溫度控制器8-118-5　雙輸入模糊溫度控制器的實現8-168-6　本章重點8-259章　ANFIS自適應網路模糊推論系統9-19-1　Sugeno模糊模型9-29-1.1　一次Sugeno模糊推論系統9-29-2　ANFIS架構9-39-3　ANFIS參數學習9-69-4　MATLAB中與ANFIS相關的函數9-69-5　以ANFIS求解XOR邏輯9-129-6　ANFIS在模糊控制器設計的應用9-159-7　本章重點9-1710章　自組性類神經網路10-110-1　簡　介10-210-2　SOM類神經網路10-210-2.1　SOM網路架構10-310-2.2　SOM學習演算法10-410-3　SOM類神經網路程式例10-410-4　LVQ類神經網路10-910-4.1　LVQ網路架構10-1010-4.2　LVQ學習演算法10-1110-4.3　LVQ回想演算法10-1210-5　LVQ類神經網路程式例10-1310-6　ART類神經網路10-2210-6.1　ART-1網路架構10-2310-6.2　ART-1網路的學習原理10-2410-6.3　ART-1學習演算法10-2410-6.4　ART-1回想演算法10-2610-7　ART類神經網路程式例10-2710-8　本章重點10-3711章　RBF類神經網路11-111-1　簡　介11-211-1.1　本章學習重點11-311-2　RBF類神經網路架構11-311-3　RBFNN學習演算法11-511-4　RBFNN學習演算法的推導11-711-5　RBFNN辨識非線性數學模型11-811-6　PID控制原理11-1311-6.1　PID控制器的作用11-1411-6.2　數位PID控制11-1511-6.3　增量式PID控制11-1511-7　基於RBFNN調整的PID控制11-1611-7.1　PID控制參數的調整11-1711-7.2　Jacobian信息的計算11-1811-8　智慧型PID控制應用實例11-1911-8.1　未加RBF網路調整的PID控制11-2011-8.2　加入RBFNN調整的PID控制11-2211-9　本章重點11-2812章　基因演算法12-112-1　簡　介12-212-1.1　基因演算法的主要特性12-212-1.2　本章學習重點12-312-2　產生母代12-312-3　基因演算法的運算12-512-3.1　複製運算12-512-3.2　交配運算12-612.3-3　突變運算12-712-4　以C語言實現基因演算法12-712-4.1　應用範例(一)12-812-4.2　應用範例(二)12-1512-5　以MATLAB實現基因演算法12-2112-5.1　MATLAB程式12-2312-6　基因演算法PID控制12-2612-6.1　MATLAB程式12-2912-7　本章重點12-35附錄　以VisualC++2005編譯類神經網路程式附-1

1章　類神經網路簡介1-11-1　何謂「類神經網路」1-21-2　腦生理學1-21-2.1　神經細胞電化學作用學說1-31-2.2　Hebbian神經細胞學習規則1-31-3　生物神經元模型1-41-3.1　神經網路計算與數位電腦的比較1-51-4　人工神經元模型1-61-4.1　常用的非線性轉換函數1-71-5　類神經網路基本架構1-91-6　類神經網路的運作過程1-101-6.1　回歸型網路的運作過程1-111-6.2　前授型網路的運作過程1-111-7　類神經網路的特性1-122章　感知機與倒傳遞類神經網路2-12-1　單層感知機2-22-1.1　單層感知機數學模型2-22-1.2　單層感知機的分類應用2-32-1.3　加...