本书介绍了作者所提出的人工神经网络的新理论与算法（样条权函数神经网络算法与代数算法），这些理论与算法彻底克服了困扰学术界多年的传统算法的困难（例如局部极小、收敛速度慢、不收敛、难以求得全局最优点等困难），其中样条权函数神经网络算法还具有很好的泛化能力。 全书共有7章，讨论了人工神经网络的概论、基本概念、实神经网络的代数算法、全局最小值分析、复数神经网络的代数算法、样条权函数神经网络及其学习算法和神经网络的统计灵敏度分析。 本书逻辑严谨，论述清晰，数学推导详细，对于相关领域的广大科技工作者、理工科博士、硕士研究生以及高年级本科生都有很好的参考价值，也可以作为相关领域的培训或自学教材。

引 言 本书介绍了作者所提出的人工神经网络的新理论与算法，主要是实神经网络的代数算法、复神经网络的代数算法、样条权函数神经网络算法（这些算法的名称是作者取的）。 这些理论与算法彻底克服了困扰学术界多年的传统算法的困难（例如BP或RBF算法中，局部极小、收敛速度慢、不收敛、难以求得全局最优点等困难）。 本书凝聚着作者近几年的创新成果，希望能够起到抛砖引玉，继往开来的作用。 神经网络作为人工智能的一个重要分支，备受关注，它的研究成果对于新一代计算机的研究开发具有重要的意义。作者真诚希望广大读者提出宝贵建议（作者的邮箱地址是dyzhang@njupt.edu.cn），共同推动这一研究领域的发展，踏出一条创新型的独立发展道路。 全书共分7章，具体是： 第1章概论。这一章简要介绍计算机、生物神经网络与人工神经网络，本书的目的与价值，神经网络的发展历史等。 第2章基本概念，包括生物学的启示、人工神经元模型（单输入单输出人工神经元、多输入单输出人工神经元），简要介绍了作者提出的样条函数神经元以及人工神经网络，人工神经网络结构等基本知识。通过生物神经元的启示，介绍了人工神经元以及人工神经网络的基本概念。这些基本概念是理解人工神经网络的基础。 第3章实神经网络的代数算法，介绍新型前馈神经网络学习算法及其理论基础。包括引言、BP算法的缺点与困难、代数算法的基本原理（符号与神经网络的拓扑结构、代数算法的理论与实现）、计算实例、结论等内容。在这一章里，作者从理论上证明了代数算法可以求得全局最优点。作者在隐层引入了类支集函数，可以使得求解线性方程组的过程稳定。代数算法在神经网络的训...