1. Šnorek M., Jiřina M., Neuronové sítě a neuropočítače, vydavatelství ČVUT, Praha 1998

2. Haykin S., Neural Networks: A Comprehensive Foundation, Prentice Hall, 1999

1. Základní principy znalostních systémů

2. Účelová funkce jako míra kvality znalostního systému

3. Lokální a globální optimalizace

4. Optimalizace ve spojitém a diskrétním prostoru

5. NP-úplné problémy, extrakce znalostí a inteligence

6. Matlabovské funkce pro lokální a globální minimalizaci

7. Znalostní systémy s požadovaným výstupem a penalizační princip

8. Sigmoidální funkce a optimalizace jednoho neuronu

9. Optimalizace MLP neuronové sítě

10. Optimalizace RBF neuronové sítě

11. Optimalizace fuzzy neuronové sítě

12. Znalostní systémy s neznámým výstupem a samoorganizace

13. Optimální shlukování ve vektorovém prostoru

14. Optimální SOM ve vektorovém a metrickém prostoru

1. Basic principles of knowledge systems

2. Objective function as a measure of knowledge system quality

3. Local and global optimization

4. Optimization in continuous and discrete spaces

5. NP-complete problems, knowledge extraction

6. Matlab functions for local and global minimization

7. Knowledge systems with desired output and penalization principle

8. Sigmoidal function and single neuron optimization

9. Optimization of MLP neural network

10. Optimization of RBF neural network

11. Optimization of fuzzy neural network

12. Knowledge systems with undesired output and selforganization

13. Optimum clustering in vector space

14. Optimum SOM in vector and metric spaces