許新征編著的《粒度神經網絡原理及應用》主要
從兩個方面研究了基於粗糙集的粒度神經網絡模型。
一種方式是使用粗糙集作為前置繫統，利用屬性約簡
算法對數據集進行粒度約簡，以簡化神經網絡的結構
，提高神經網絡的訓練速度和預測精度。另一種方式
是利用粗糙集及其擴展模型來提取決策規則，根據提
取的規則來定義粒度神經元及其連接權值，實現粗糙
集和神經網絡的無縫融合。
本書力求科學化、實用化和前沿化，使讀者能夠
在有限的時間內了解基於粗糙集的粒度神經網絡原理
及其應用。
本書可作為高等院校計算機科學專業和其他信息
類專業研究生的參考書，也可以供相關領域的科技工
作者參考。

1 緒論
1.1 研究背景
1.2 **外研究現狀
1.3 存在的問題及本書研究的重點
1.4 本書的主要研究內容和組織結構
2 粗糙集理論基礎
2.1 概述
2.2 粗糙集的基本概念
2.3 粗糙集中的知識表示
2.4 知識約簡原理
2.5 決策表屬性約簡算法
2.6 小結
3 基於粗糙集和QPSO算法的粒度BP神經網絡
3.1 BP神經網絡概述
3.2 基於粗糙集的粒度約簡
3.3 粒度BP網絡的結構與算法
3.4 實驗與分析
3.5 小結
4 基於粗糙集和AP聚類算法的粒度RBF神經網絡
4.1 RBF神經網絡概述
4.2 粒度RBF神經網絡的結構與學習算法
4.3 實驗與分析
4.4 小結
5 具有自適應極速學習能力的單隱層粒度神經網絡
5.1 ELM概述
5.2 單隱層粒度神經網絡的結構
5.3 單隱層粒度神經網絡的自適應極速學習算法
5.4 實驗與分析
5.5 小結
6 基於粗規則的粒度神經網絡
6.1 決策規則的提取
6.2 粗規則粒度神經網絡的結構和學習算法
6.3 實驗與分析
6.4 小結
7 基於變精度粗糙集的粒度雙神經元網絡
7.1 變精度粗糙集模型概述
7.2 粒度雙神經元結構
7.3 粒度雙神經元網絡模型
7.4 粒度雙神經元網絡的進一步優化
7.5 實驗與分析
7.6 小結
8 總結與展望
8.1 總結
8.2 展望
參考文獻