本书详细了智能计算中若干问题近年来的研究进展及其应用。对智能系统的基本特征作了归纳总结，回顾了神经元网络、模糊逻辑及模糊神经元网络的最新研究发展，将进化计算的思想入神经元网络，提出了进化的神经元网络等基本观点，指出了进化的模糊神经元网络是智能系统的一个重要特征。主要内容涉及模糊神经元网络模型的计算能力、模糊算子神经元网络的函数逼近能力、神经元网络的映射机理、神经元网络的学习算法及动力学性质、有理式神经元网络模型、利用目标函数梯度的或变化趋势的新的遗传算法，过程神经元网络模型，以及智能计算在基于内容的中文网页自动分类系统中的应用。
本书汇聚了作者近年来的研究成果和该领域的最新研究进展，是当前智能计算领域重要的研究课题，可作为计算机、人工智能和信息学科的高等院校高年能本科生、研究生选修教材，可作为高等院校计算机及相关专业的研究生学人工智能、神经元网络、模糊神经元网络的参考书，也可用为从事智能计算理论和应用的广大高校师生、研究工作、工程技术人员的参考书。
梁久祯，博士，副教授，1968年生于山东省泰安市，2001年毕业于北京航空航天大学计算机专业，获工学博士学位。长期从事智能计算与并行计算研究。主持和参与国家及省部级科研项目7项；在国内外学术期刊和会议上以第一作者发表论文47篇，其中27篇进入SCI/EI/ISTP检索；被评为浙江省高校中青年学科带头人。
第1章 绪论
1.1 智能系统的特征
1.2 神经元网络
1.3 模糊逻辑和模糊推理网络
1.4 模糊神经元网络
1.5 神经元网络的学习
1.6 神经元网络的进化
1.7 智能系统
1.8 本书主要内容
第2章 模糊神经元网络
2.1 模糊神经元定义及其保序性
2.2 对模糊神经元定义的改进
2.3 模糊算子神经元网络的图灵等价性
2.4 单体模糊神经元网络模型
2.5 单体模糊神经元网络感知机收敛定理
2.6 单体模糊感知机的映射能力
2.7 单体模糊神经元网络的函数逼近能力
2.8 模糊算子神经元网络的函数逼近能力
2.9 混合FNN的若干问题探讨
第3章 几种特殊的多层神经元网络
3.1 多输入单输出神经元网络的映射机理
3.2 一种超线性收敛学习算法
3.3 一种简单共轭梯度学习算法
3.4 梯度一牛顿耦合下降算法
3.5 BP学习算法动力学分析
3.6 算法实验结果及分析
3.7 有理式前向神经元网络
第4章 过程神经元网络
4.1 过程神经元模型
4.2 过程神经元网络模型
4.3 基本定理