فصل 1 : مقدمه
1-1 انسان و کامپیوتر1
1-2 ساختار مغز
1-2-1 یادگیری در سیستمهای بیولوژیک
1-3 تفاوت ها
فصل 2 : نگرش کلی به شبکه های عصبی مصنوعی
2-1 تعریف شبکه های عصبی
2-2 مفاهیم اساسی شبکه های عصبی
2-3 معرفی اصطلاحات و علائم قراردادی
2-4 کاربردهای محاسبات عصبی
2-5 کاربردهای نمونه شبکه های عصبی مصنوعی
2-6 فواید و معایب شبکه های عصبی مصنوعی
2-7 معیارهای مهندسی به منظور محاسبات عصبی
2-8 مراحل مهندسی سیستم ANN
2-9 توپولوژی شبکه و خصوصیات
فصل 3 : بازشناسی الگو
3-1 چشم انداز طرح شناسی
3-2 تعریف بازشناسی الگوها
3-3 بردارهای مشخصات و فضای مشخصات
3-4 توابع تشخیص دهنده یا ممیز
3-5 فنون طبقه بندی
3-6 روش طبقه بندی «نزدیکترین همسایه»
3-7 میزان های اندازه گیری فاصله
3-8 دستگاه های طبقه بندی خطی
فصل 4 : نرون پایه
4-1 مقدمه
4-2 مدل سازی نرون
4-3 فراگیری در نرونهای ساده
4-4 الگوریتم فراگیری پرسپترون
4-5 یک مثال ساده برای پرسپترون ساده.
قصل 5 : نرون چند لایه
1-5 مقدمه
2-5 مدل جدید
3-5 قاعده جدید فراگیری
5-4 الگوریتم پرسپترون چند لایه
5-5 بررسی مجدد مساله XOR
5-6 لیه های شبکه
5-7 معرفی چند شبکه
5-8 معرفی نمونه ای از توابع کلیدی
5-9 بررسی یک مثال عملی
آشنایی با شبکه های عصبی مصنوعی