本书旨在介绍神经网络数值模拟、稳定性及其在经济预测、文本分类等方面的应用以及作者近几年的研究成果。本书系统地阐述了时滞Markov切换神经网络、随机Hopfield神经网络的数值方法、Markov切换随机时滞神经网络数值方法的基本理论和稳定性分析，研究了神经网络与统计学习和群体智能优化算法的融合方法及其在证券投资、碳价预测和文本挖掘等方面的应用，并通过数值实例验证理论结果的正确性和方法的有效性，通过实证分析展示神经网络等方法在数据科学中的应用。本书可供高等院校数据科学、统计、应用数学等相关专业高年级本科生和研究生使用，也可供相关教师和科研人员参考。

章绪论
1.1研究目的和意义
1.2神经网络及随机数值模拟研究现状
1.3预备知识
1.4主要研究内容
第2章时滞和噪声影响下具有Markov切换神经网络的稳定性
2.1引言
2.2时滞和噪声影响下的稳定性条件
2.3数值仿真
2.4本章小结
第3章随机时滞Hopfield神经网络的SSBE方法稳定性
3.1引言
3.2随机时滞Hopfield神经网络稳定性
3.3SSBE方法的稳定性
3.4数值仿真
……