"《神经网络理论及应用实践》在全面介绍人工神经网络基本理论的基础之上，首先，系统地阐述了单层感知器神经网络、BP神经网络、竞争学习神经网络、自组织神经网络、学习向量量化神经网络、对偶传播神经网络、径向基函数神经网络、支持向量机等浅层神经网络的典型网络结构、学习算法、工作原理和应用案例； 其次，系统地阐述了深度学习中卷积神经网络、循环神经网络两种经典神经网络的概念、基本架构、工作原理和应用案例； 最后，介绍了人工神经网络设计开发平台。《神经网络理论及应用实践》旨在使读者了解和掌握人工神经网络的设计和应用方法，为读者深入了解和研究人工神经网络奠定基础。 《神经网络理论及应用实践》可作为高等院校计算机类、电子信息类、自动化类、金融类、统计类等相关专业高年级本科生、研究生的教材，也可作为相关专业领域的科研人员和工程技术人员的学习参考书。 "

廉小亲，博士、教授、硕士生导师、北京工商大学人工智能学院副院长。兼任中国人工智能学会智能服务专委会委员等。主要从事智能信息处理、物联网技术应用等方面的教学和科研工作。主讲研究生《神经网络理论及应用》、《DSP技术》和本科生《信息论与编码》等课程。曾获北京市高校优秀青年教师、北京市属高校中青年骨干教师、北京市优秀教师，获省部级三等奖2项、国家虚拟仿真实验教学项目1项。

前言 人工神经网络是一门新兴交叉学科，它是基于生物学中神经网络的基本原理，在充分理解人脑生物神经网络的基础上，将人们对生物脑的研究成果和计算机技术相融合，以人工神经网络拓扑知识为理论基础，模拟人脑神经系统复杂信息处理机制的一种数学模型。神经网络作为人工智能领域的一个重要分支，受到人们的广泛关注。随着智能化思想的不断普及，神经网络也逐渐成为研究发展的热点学科。近年来，人工神经网络以其优越的自学习能力以及对非线性关系的良好逼近能力被广泛应用于多个领域，如脑神经科学、智能控制、信息科学、计算机科学等。 人工神经网络是一门实践性很强的学科，同时也具有坚实的理论基础。然而人工神经网络知识抽象且其应用领域复杂多样，为了使读者更好地理解神经网络的基本理论知识，并能将理论应用于工程实践，本书紧扣读者需求，采用循序渐进的方法，深入浅出地讲述了人工神经网络的典型网络结构、学习算法、工作原理和应用案例； 此外，本书还给出了与应用案例配套的MATLAB或Python程序源代码并附有详细的注解，有助于读者理解与掌握应用人工神经网络解决实际问题的全过程； 同时本书还配套MOOC教学课件、教学大纲、程序代码、资源列表、微课视频等资源，这些有助于读者对本书理论知识和相关应用案例的学习和理解。 本书共9章，各章主要内容如下。 第1章为绪论，首先介绍了人工神经网络的概念，然后对人工神经网络的发展历程、特点、功能及应用领域进行了简要的介绍。 第2章为人工神经网络基础，首先给出了人工神经元模型的定义、结构，然后介绍了人工神经网络学习的作用与意义，并详细阐述了人工神经网络模型的学习过程。 ...