《MATLAB神经网络应用设计》利用目前国际上流行的MATLAB环境，结合神经网络工具箱，在深入浅出地介绍人工神经网络中的各种典型网络以及训练过程的基础上，利用MATLAB工具箱进行神经网络的设计与应用。《MATLAB神经网络应用设计》给出了各种神经网络在不同应用时的网络性能分析与直观的图形结果，使读者更加透彻地了解各种神经网络的性能及其优缺点，从而达到正确、合理和充分应用神经网络的目的。

本书是一本论述脑的高级功能，如感知、记忆、思维过程的神经网络的专著。全书以建立神经网络模型为主线，介绍了脑的结构、生理及信息处理的基本知识，并在此基础上对记忆和思维过程的原理作了探讨。本书所述内容属边缘学科性质，为便于读者理解，做到了深入浅出，注重论述的系统性。 本书可供脑科学、神经网络及信息技术等相关专业的师生和科研人员参考。

本书对意识理论进行全面研究，建立在近代神经科学基础上、致力于对意识的产生、及人们对意识的认识如何帮助其“把严格的科学描述与人类知识和经验的宽广领域联系起来”等问题进行解答。

This book provides the first comprehensive treatment of feed-forward neural networks from the perspective of statistical pattern recognition. After introducing the basic concepts of pattern recognition, the book describes techniques for modelling probability density functions, and discusses the properties and relative merits of the multi-layer perceptron and radial basis function network models. It also motivates the use of various forms of error functions, and reviews the principal algorithms for error function minimization. As well as providing a detailed discussion of learning and generalization in neural networks, the book also covers the important topics of data processing, feature extraction, and prior knowledge. The book concludes with an extensive treatment of Bayesian techniques and their applications to neural networks.

《模式识别与神经网络(英文版)》是模式识别和神经网络方面的名著，讲述了模式识别所涉及的统计方法、神经网络和机器学习等分支。书的内容从介绍和例子开始，主要涵盖统计决策理论、线性判别分析、弹性判别分析、前馈神经网络、非参数方法、树结构分类、信念网、无监管方法、探寻优良的模式特性等方面的内容。 《模式识别与神经网络(英文版)》可作为统计与理工科研究生课程的教材，对模式识别和神经网络领域的研究人员也是极有价值的参考书。