| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究的背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究的主要内容 | 第14-16页 |
| 第二章 BP神经网络算法 | 第16-27页 |
| 2.1 神经网络的训练 | 第16-18页 |
| 2.2 BP神经网络模型 | 第18-19页 |
| 2.3 标准BP算法的学习 | 第19-21页 |
| 2.4 BP神经网络的改进现状 | 第21-26页 |
| 2.4.1 基于梯度下降法的改进 | 第21-24页 |
| 2.4.2 基于数值优化方法的改进 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 简化数值优化的BP神经网络算法 | 第27-37页 |
| 3.1 数值优化的简化方法 | 第27-35页 |
| 3.1.1 共轭梯度法的简化 | 第27-29页 |
| 3.1.2 拟牛顿方法的简化 | 第29-32页 |
| 3.1.3 LM优化算法的简化 | 第32-35页 |
| 3.2 改进方法的适用性分析 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于简化数值优化BP神经网络算法的图像重建 | 第37-44页 |
| 4.1 图像重建的思想 | 第37-38页 |
| 4.2 BP神经网络的训练过程 | 第38页 |
| 4.3 BP神经网络模型设计 | 第38-40页 |
| 4.4 基于简化LM算法的图像重建应用 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 总结与展望 | 第44-46页 |
| 总结 | 第44页 |
| 展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49页 |