１　序論
1.1　ニューラルネット概論
1.2　本書で使用する記法
　1章の問題

２　単層パーセプトロン
2.1　分類問題と線形判別関数
2.2　閾パーセプトロン
2.3　回帰問題と重回帰
2.4　線形パーセプトロン
　2章の問題

３　多層パーセプトロンの学習法
3.1　基本学習法：BP法
3.2　高速学習法(1)：Newton法
3.3　高速学習法(2)：準Newton法
　3章の問題

４　多層パーセプトロンの性質
4.1　探索空間の構造
4.2　近似能力と極限性能\r
4.3　モデル選択
4.4　汎化性能向上法
4.5　変数変換の影響
　4章の問題

５　パーセプトロンと多項式回帰
5.1　多変量多項式回帰(1)：RF5法
5.2　多変量多項式回帰(2)：BCW法
5.3　区分的多変量多項式回帰：RF6法
　5章の問題

６　リカレントネットと力学系学習
6.1　力学系とリカレントネット
6.2　アフィン神経力学系
　6章の問題

７　競合学習とベクトル量子化
7.1　競合学習
7.2　ベクトル量子化
7.3　等歪み分割
7.4　DAクラスタリング
　7章の問題

８　EMアルゴリズムとその拡張
8.1　EMアルゴリズム
8.2　DAEMアルゴリズム
8.3　SMEMアルゴリズム
8.4　混合正規分布推定
　8章の問題

　付録　行列微分法

　問題解答

　参考文献

　索引