در دنیای انرژی‌های تجدیدپذیر نیز استفاده از شبکه‌های عصبی مصنوعی کاربردهای خلاقانه وافری یافته است به‌طوری‌که در بسیاری از پیش‌بینی‌ها، تخمین‌ها و بهینه‌سازی‌هایی که در طراحی نیروگاه‌های خورشیدی، بادی، ژئوترمال و غیره نیاز می‌باشد، از شبکه‌های عصبی به‌عنوان یک ابزار قدرتمند استفاده‌شده است. 

فصل اول: مروری بر انرژی‌های تجدیدپذیر

1-1 تعریف انرژی‌های تجدیدپذیر  

1-2 انواع انرژی‌های تجدیدپذیر  

1-3- رشد جهانی استفاده از انرژی‌های تجدیدپذیر  

1-4- انرژی‌های نو در ایران  

1-5- رشد 50 درصدی انرژی تجدیدپذیر تا 2024  

1-6- انرژی آب

1-7- انرژی بادی

1-8- انرژی مورد نیاز بشر و انرژی خورشیدی

1-9- انرژی زمین گرمایی  

1-10- سیستم‌های انرژی تجدیدپذیر هیبریدی

فصل دوم: مبانی نظری شبکه‌های عصبی

2-1- بنیان شبکه‌های عصبی مصنوعی   

2-1-1- مدل بیولوژیکی شبکه عصبی

2-2- سلول عصبی مصنوعی  

2-3- توابع تحریک

2-4- شبکه‌های عصبی مصنوعی تک لایه

2-5- شبکه‌های عصبی مصنوعی چندلایه  

2-6- شبکه‌های بازگشتی

2-7- اصطلاحات علمی و فنی، نمادها و نمایش شبکه‌های عصبی مصنوعی

2-8- نگاهی اجمالی به الگوریتم‌های آموزش

 فصل سوم: الگوریتم‌های یادگیری در شبکه‌های عصبی

3-1- هدف از آموزش شبکه

3-2- آموزش نظارت‌شده

3-3- آموزش غیر نظارت‌شده

3-4- یادگیری هبیین

3-5- ستاره‌های درون‌گرا و برون‌گرا

3-6- تربیت پرسپترون

3-7- آموزش ویدور - هاف

3-8- روش‌های تربیت آماری  

3-9- الگوریتم انتشار برگشتی

3-10- ساختار شبکه

3-11- نگرشی کلی بر آموزش شبکه

3-12- تربیت شبکه با الگوریتم انتشار برگشتی

3-13- سلول عصبی بایاس در شبکه

3-14- اندازه حرکت

3-15- الگوریتم‌های پیشرفته

3-16- برخی کاربردهای انتشار برگشتی

3-17- اخطارها

3-17-1- ناتوانی شبکه

3-17-2- کمینه محلی

3-18- اندازه گام

3-19- ناپایداری موقتی

3-20- مبنای ریاضی الگوریتم انتشار برگشتی

3-21- نگاشت زوج‌های آموزشی به حدود مناسب

3-22- نحوه ارائه زوج‌های آموزشی به شبکه

3-23- سنجش میزان یادگیری و عملکرد شبکه

3-24- مراحل طراحی شبکه عصبی

3-25- پیش پردازش و نرمالیزه کردن داده ها

3-26- محدوده‌ی مناسب آموزشی

3-27- نحوه پیش پردازش داده های آماری

3-28- نرمالیزه کردن داده‌های آموزشی

3-29- تعیین مشخصه‌های مناسب ورودی شبکه عصبی

3-30- ضریب همبستگی، مفاهیم و انواع رایج در انرژی‌های تجدیدپذیر

3-30-1- ضریب همبستگی پیرسون

3-30-2- ضریب همبستگی اسپیرمن

3-30-3- تفاورت رگرسیون و همبستگی

3-31- ارزیابی مدل‌های مختلف شبکه عصبی

فصل چهارم: کاربردهای شبکه عصبی در انرژی‌های تجدیدپذیر

 4-1- طراحی دنبال کننده خورشیدی با استفاده از ....  

4-2- بهبود شبکه هوشمند با استفاده از اطلاعات منابع انرژی تجدیدپذیر 

4-3- نتیجه  

4-4- مروری بر عملکرد شبکه عصبی مصنوعی در پیش‌یابی انرژی موج

4-5- پیش‌بینی میزان تابش خورشیدی با استفاده از دمای روزانه ...

4-6- پیش‌بینی پتانسیل انرژی خورشیدی در ایران با استفاده .....

4-7- تخمین اقتصادی ذخیره‌ی مورد نیاز مزارع بادی با به کارگیری .......   

منابع و مراجع