感知器算法和BP算法的性能对比分析
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·神经网络概述 | 第8-10页 |
| ·神经网络的产生和发展 | 第8-9页 |
| ·神经网络的特性 | 第9-10页 |
| ·神经网络的应用 | 第10页 |
| ·神经元模型 | 第10-12页 |
| ·神经元模型 | 第10-12页 |
| ·神经网络的训练 | 第12页 |
| ·线性感知器简介 | 第12-13页 |
| ·BP简介 | 第13-16页 |
| ·BP算法简介 | 第13-15页 |
| ·BP神经元 | 第15-16页 |
| ·本文主要工作 | 第16-17页 |
| 2 感知器与线性可分问题 | 第17-27页 |
| ·感知器的学习算法及收敛性 | 第17-22页 |
| ·线性感知器模型 | 第17-18页 |
| ·感知器的学习目标 | 第18-19页 |
| ·感知器的学习算法 | 第19-20页 |
| ·感知器算法的收敛性定理 | 第20-22页 |
| ·线性可分性理论 | 第22-27页 |
| ·线性可分的定义 | 第22页 |
| ·感知器算法关于线性可分性的讨论 | 第22-27页 |
| 3 性能对比 | 第27-34页 |
| ·实验方法 | 第27-28页 |
| ·实验模型 | 第27页 |
| ·收敛标准 | 第27-28页 |
| ·训练步数 | 第28页 |
| ·线性可分问题 | 第28-31页 |
| ·一般二分类问题 | 第28-29页 |
| ·细长样本 | 第29-30页 |
| ·有少量杂质的二分类问题 | 第30-31页 |
| ·线性不可分问题 | 第31-34页 |
| 4 平行感知器 | 第34-39页 |
| ·平行感知器 | 第34-35页 |
| ·平行感知器结构 | 第34页 |
| ·学习规则 | 第34-35页 |
| ·平行感知器的分类能力 | 第35-36页 |
| ·数值实验 | 第36-39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 攻读硕士学位期间发表学术论文情况 | 第42-43页 |
| 致谢 | 第43-45页 |
