युनिट - I परिचय सॉफ्ट कम्प्युटिंगच्या मूलभूत संकल्पना, ऐतिहासिक विकास आणि व्याख्या, सॉफ्ट कॉम्प्युटिंग वैशिष्ट्ये आणि समस्या सोडवणे - सामर्थ्य आणि कमकुवतपणा, सॉफ्ट कॉम्प्युटिंगची रचना: न्यूरल कम्प्युटिंग, फजी लॉजिक आणि संगणन, उत्क्रांती संगणन आणि अनुवांशिक अॅल्गोरिथम्स. (अध्याय - 1) युनिट - II न्यूरल नेटवर्क विहंगावलोकन मूलभूत: जैविक न्यूरॉन्स आणि कृत्रिम न्यूरॉनचे मॉडेल. न्यूरल नेटवर्क आर्किटेक्चर्स: सिंगल लेयर नेटवर्क, मल्टी-लेयर फीड फॉरवर्ड न्यूरल नेटवर्क आणि फीडबॅक नेटवर्क. Perceptron मॉडेल आणि Perceptron मध्ये शिक्षण, Perceptron मध्ये शिकण्याची मर्यादा, Multilayer FFNN मध्ये एरर बॅक प्रोपगेशन लर्निंग. MLFFNN साठी EBP अल्गोरिदमच्या कार्यप्रदर्शन समस्या. (अध्याय - 2) युनिट - III न्यूरल नेटवर्क आर्किटेक्चर्स कॉम्प्लेक्स आर्किटेक्चर्स लर्निंग : स्पर्धात्मक शिक्षण-स्वयं आयोजन नकाशे, हेबियन लर्निंग-हॉपफाईड नेटवर्क्स, बोल्टझमन मशीन्स, अॅडॉप्टिव्ह रेझोनन्स थिअरी (एआरटी) नेटवर्क्स, बायेसियन न्यूरल नेटवर्क्स, डीप लर्निंग आर्किटेक्चर नेटवर्क न्यूरल नेटवर्क्सचे अनुप्रयोग. (अध्याय - 3) एकक - IV फजी लॉजिक आणि फजी सिस्टम्स फजी लॉजिक, फजी सेट्स आणि ऑपरेशन्स, फजी रिलेशन, फजी अंकगणित आणि फजी मेजर्स, फजी टू क्रिस्प कन्व्हर्जन्स : फजी सेट्ससाठी लॅम्बडा कट्स, फजी रिलेशन्स आणि फजी रिलेशन, फजी रिलेशन्स रिझनिंग, फजी इन्फरेन्स सिस्टम्स, ममदानी फजी मॉडेल्स - सुजेनो फजी मॉडेल्स, निर्णय घेण्यासाठी अस्पष्ट मॉडेलिंगचे अनुप्रयोग. (अध्याय - 4) युनिट - V जेनेटिक अल्गोरिदम परिचय, एन्कोडिंग, अनुवांशिक अल्गोरिदमचे ऑपरेटर, मूलभूत अनुवांशिक अल्गोरिदम, साधे GA, क्रॉसओव्हर आणि उत्परिवर्तन, बहु-उद्देशीय अनुवांशिक अल्गोरिदम (MOGA). शोध आणि ऑप्टिमायझेशनमधील अनुवांशिक अल्गोरिदम, अँट कॉलनी ऑप्टिमायझेशन (एसीओ), पार्टिकल स्वॉर्म ऑप्टिमायझेशन (पीएसओ). क्लस्टरिंगसाठी GA चे अर्ज. (अध्याय - 5) युनिट - VI सॉफ्ट कॉम्प्युटिंग सॉफ्ट कॉम्प्युटिंग पॅराडिग्म्स आणि हायब्रिड अॅप्रोचेस मधील प्रगती. न्यूरो-फजी मॉडेलिंग, अनुवांशिक अल्गोरिदम आधारित बॅकप्रोपॅगेशन नेटवर्क, फजी लॉजिक आधारित बॅकप्रोपॅगेशन, फजी लॉजिक कंट्रोल्ड जेनेटिक अल्गोरिदम, सरलीकृत फजी एआरटीएमएपी. (अध्याय - 6)