特色：
本书是作者在东南大学多年从事神经网络理论及应用研究教学的基础上编写的神经网络设计研究生课程教材。本书在介绍常用的神经元模型和权值学习算法的基础上，系统全面介绍了神经网络，尤其是前馈神经网络结构设计的原理和方法。具体内容包括：影响神经网络泛化能力的各种因素，如结构复杂性、样本、初始权值、学习时间、先验知识等；这些因素如何影响神经网络的性能；常用的神经网络结构优化设计方法，包括剪枝算法（权衰减法、灵敏度计算方法、相关性剪枝方法等）、构造算法（级连相关算法、资源分配网络等）、进化方法等；常用的神经网络参数优化设计方法，包括*优停止方法、主动学习方法、样本输入中加噪声、神经网络集成等。这些方法绝大部分是目前国内广泛使用的*典型的前馈神经网络设计方法。本书介绍了它们的实现原理和仿真例子，并提供大部分算法的MATLAB实现代码。本书适用于自动化、信号处理等学科的工程技术人员、高年级学生、研究生及教师使用。