Neuronale Netze sind parallele datenverarbeitende Strukturen, die sich selbst verändern können. Mittels dieser Fähigkeit versucht ein Neuronales Netz ein durch Trainingsbeispiele vorgegebenes Ein- und Ausgabeverhalten nachzuahmen und Interpolationseigenschaften zu entwickeln.

Fuzzy-Logic ist eine Erweiterung der klassischen Logik in dem Sinne, dass sie statt zwei Werten sämtliche Werte aus aus dem Intervall [0,1] als Wahrheitswerte zulässt. Mit solchen Fuzzy-Werten können vage oder unsichere Daten aus der realen Welt, wie z.B. die linguistischen Terme kurz oder leicht, einfach und zutreffend modelliert werden.

Der Autor gibt eine umfassende Einführung in die Theorie und Praxis der natürlichen Informationsverarbeitung, der künstlichen Neuronalen Netze, der Fuzzy-Logic und der genetischen Algorithmen sowie der Kombination der letzten drei genannten Gebiete zu komplexeren Modellen des Soft-Computing .

Zudem werden praktische Anwendungen wie die Optimierung von Fuzzy-Controllern mittels Neuronaler Netze beschrieben.

Inhalt
Einführung und Überblick.- Künstliche Neuronale Netze.- Biologisches Vorbild.- Prinzipien.- Geschichtliche Entwicklung.- Backpropagation.- Hopfield-Netze.- Kohonen-Netze.- ART-Architektur.- Sonstige Modelle.- Fuzzy-Systeme.- Geschichtliche Entwicklung.- Fuzzy-Mengen und Fuzzy-Logic.- Fuzzy-Zahlen.- Fuzzy-Controller.- Genetische Algorithmen.- Geschichtliche Entwicklung.- Genetische Operationen.- Hybride Systeme.- Fuzzifizierte Neuronale Netze.- Steuerung Neuronaler Netze durch Fuzzy-Controller.- Optimierung von Fuzzy-Controllern durch Neuronale Netze.- Optimierung von Fuzzy-Controllern durch Genetische Algorithmen.- Kombination von Neuronalen Netzen und Genetischen Algorithmen.