导读：人工神经网络研究进展及论文发表过程论辩作者：张雨浓，蔡炳煌电子工业出版社出版,京东人工智能图书网购，折扣超低。...
人工神经网络（Artificial Neural Networks，ANN）是简化模拟生物神经系统的组织结构、处理方式和系统功能的一类人工智能系统。本书重点阐述作者及团队在人工神经网络等方面的最新科研成果，反映人工神经网络理论研究与实践方面的最新动向。首先，本书第一部分系统化地列出和整理多个神经网络权值直接确定方面的理论成果，该章节积累了作者十余年研究所得，说明学习型人工神经网络的连接权值可以一步直接确定，不再需要冗长费时的迭代学习过程，这对于传统人工神经网络研究而言应是一个较为崭新的跳跃认识。其次，本书第二部分介绍作者及团队在人工神经网络结构自动确定方面的研究（也即隐神经元数目自动确定算法）：在前述权值直接确定法的理论基础上，更有成效地研究人工神经网络结构上的自适应确定，结果证实了该类算法的有效性、高效率和确定性结果（注意：不再是传统上的估计和猜测性算法）。接着，本书第三部分阐述作者及团队关于人工神经网络方面的同质性研究，罕有却又相对系统地发现和提出：BP前向神经网络和Hopfield类型递归神经网络就学习的数学本质而言可以是一致乃至相同的！本书的最后一部分介绍人工神经网络的仿真、应用以及其他情况的探讨与研究，也是作者及团队的最新研究成果的一方面；如人工神经网络在机械臂冗余度解析工作中的应用，该章节提出了基于二次规划和递归神经网络的自运动和重复运动冗余度解析方案，是作者团队一套全面、创新和高效的冗余度解析方案的一个缩影。简言之，本书四个部分的内容皆是作者及团队在人工神经网络方向上的前沿科技成果，对于人工神经网络的进一步研究和探讨有一定的学术研究价值，同时对于其在实际中的应用也有较大的推动、推广作用
