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。
第3章为感知器神经网络，首先对单层感知器的定义、结构等基础知识进行了介绍； 然后从单层感知器的结构入手，探讨了单层感知器的功能与局限性； 随后引入多层感知器，并详细阐述了基于BP算法的多层感知器、标准BP算法的实现以及标准BP算法的局限性与改进； 最后详细介绍了多个基于MATLAB的BP神经网络应用案例。
第4章为自组织竞争神经网络，首先详细介绍了竞争学习神经网络，随后详细阐述了自组织神经网络的结构与学习算法，并给出了多个应用案例； 最后对学习向量量化神经网络与对偶传播神经网络的结构与学习算法进行了详细阐述，并分别给出了多个应用案例。
第5章为径向基函数神经网络，首先详细介绍了正则化径向基函数神经网络的结构、算法及其局限性，然后对广义径向基函数神经网络的结构与算法等知识进行了详细阐述，最后给出了径向基函数神经网络案例。
第6章为支持向量机，首先简要介绍了支持向量机的基本思想和三种类型，随后详细阐述了线性可分支持向量机、线性支持向量机和非线性支持向量机的数学模型和求解算法，最后给出了多个支持向量机应用案例。
第7章为卷积神经网络，首先给出了卷积神经网络的基本架构； 然后对卷积神经网络中较为重点的池化层进行了详细阐述，并讲述了池化层与全连接层的结构与功能； 随后给出了卷积神经网络在目标检测中的应用； 最后对卷积神经网络退化问题、过拟合与欠拟合问题进行了简要介绍。
第8章为循环神经网络，首先简要介绍了循环神经网络的基本特性和概念，随后详细阐述了循环神经网络、长短时记忆网络的基本结构和数学模型，最后给出了多个循环神经网络的应用案例。
第9章为人工神经网络设计开发平台，首先从MATLAB运行环境、Simulink仿真环境及MATLAB设计基础等角度介绍了MATLAB应用基础； 然后对感知器神经网络、线性神经网络、BP神经网络、自组织竞争神经网络、学习向量量化(Learning Vector Quantization,LVQ)神经网络及径向基函数神经网络的MATLAB神经网络工具箱函数及其应用方式进行了简要介绍。
本书由廉小亲、吴静珠、高超、郑彤编写，廉小亲统稿，韩力群教授主审。廉小亲编写第1章、第3章的3.5.3节~3.5.6节、第4章的4.6节和4.7节、第5章及第9章； 吴静珠编写第2章、第3章的3.1节~3.4节、3.5.1节和3.5.2节及第4章的4.1节~4.5节； 高超编写第6章及第8章； 郑彤编写第7章。在本书的撰写过程中得到了韩力群教授、施彦副教授、张洁副教授的大力支持和帮助，同时，作者的部分研究生参与了本书案例的程序设计及调试、绘图等工作，在此一并表示感谢。
在本书的编写过程中参考了许多文献资料，在此对文献的作者深表感谢。
限于作者水平，书中难免存在疏漏或不足，恳请有关专家和广大读者批评指正。
配 套 资 源
程序代码等资源： 扫描目录上方的二维码下载。
MOOC教学课件、教学大纲、资源列表： 到清华大学出版社官方网站本书页面下载，或者扫描封底的“书圈”二维码在公众号下载。
微课视频（300分钟，35集）： 扫描书中相应章节中的二维码在线学习。
注： 请扫描封底刮刮卡中的文泉云盘防盗码进行绑定后再获取配套资源。
作者2025年3月于北京
