泛函神经元网络递归和剪枝学习算法及其集成研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-13页 |
| ·引言 | 第10页 |
| ·泛函网络的研究现状 | 第10-13页 |
| ·泛函网络的研究意义 | 第13页 |
| ·课题研究内容和结构 | 第13-15页 |
| ·研究内容 | 第13页 |
| ·论文的创新点 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 泛函网络 | 第16-22页 |
| ·基本组成元素 | 第16-18页 |
| ·学习过程 | 第18-19页 |
| ·常用模型 | 第19-20页 |
| ·可分离泛函网络模型 | 第19-20页 |
| ·可结合泛函网络模型 | 第20页 |
| ·泛函网络与神经网络的区别 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基函数可递归泛函神经元网络学习算法 | 第22-32页 |
| ·算法机理 | 第22-25页 |
| ·泛函神经元网络学习算法 | 第22-24页 |
| ·基函数递归选取过程 | 第24页 |
| ·矩阵伪逆递归计算算法 | 第24-25页 |
| ·算法基本流程 | 第25-27页 |
| ·仿真试验及结果分析 | 第27-31页 |
| ·测试函数 | 第27页 |
| ·评价标准 | 第27页 |
| ·仿真试验结果 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于泛函神经元网络复杂度的剪枝算法 | 第32-42页 |
| ·算法机理 | 第32-33页 |
| ·信息熵 | 第32页 |
| ·权值直接确定 | 第32-33页 |
| ·泛函神经元网络复杂度 | 第33页 |
| ·算法基本步骤 | 第33-36页 |
| ·仿真试验及结果分析 | 第36-41页 |
| ·测试函数 | 第36页 |
| ·评价标准 | 第36-37页 |
| ·仿真试验结果 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 泛函神经元集成方法 | 第42-47页 |
| ·神经网络集成方法 | 第42-44页 |
| ·个体生成法 | 第42-43页 |
| ·结论生成法 | 第43-44页 |
| ·泛函神经元集成 | 第44-46页 |
| ·理论分析 | 第44-46页 |
| ·分析总结 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| ·本文工作总结 | 第47页 |
| ·工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士期间参与的科研项目 | 第54-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55页 |
