大规模多层感知器神经网络的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文的组织结构 | 第13-14页 |
| 第2章 多层感知器神经网络相关介绍 | 第14-24页 |
| 2.1 多层感知器神经网络 | 第14-17页 |
| 2.1.1 M-P模型 | 第14页 |
| 2.1.2 单层感知器模型 | 第14-15页 |
| 2.1.3 多层感知器神经网络模型 | 第15-17页 |
| 2.2 BP神经网络 | 第17-24页 |
| 2.2.1 正向传播过程 | 第17-18页 |
| 2.2.2 反向传播过程 | 第18-22页 |
| 2.2.3 BP神经网络的优点和缺点 | 第22-24页 |
| 第3章 增强拓扑神经演化 | 第24-39页 |
| 3.1 进化神经网络简介 | 第24-26页 |
| 3.2 神经进化的编码方式 | 第26-31页 |
| 3.2.1 直接编码 | 第26-29页 |
| 3.2.2 间接编码 | 第29-31页 |
| 3.3 NEAT算法介绍 | 第31-39页 |
| 3.3.1 NEAT基因组 | 第32-33页 |
| 3.3.2 突变操作 | 第33页 |
| 3.3.3 创新 | 第33-35页 |
| 3.3.4 杂交操作 | 第35-36页 |
| 3.3.5 物种形成 | 第36-37页 |
| 3.3.6 保护群体中新的创新 | 第37-39页 |
| 第4章 LNEAT算法设计与实现 | 第39-47页 |
| 4.1 算法的设计思路 | 第39-44页 |
| 4.2 算法的参数初始化 | 第44页 |
| 4.3 算法实现过程中的注意事项 | 第44-47页 |
| 第5章 LNEAT算法在语音识别上的应用 | 第47-52页 |
| 5.1 语音信号预处理 | 第47-49页 |
| 5.1.1 语音信号预加重 | 第47页 |
| 5.1.2 语音信号加窗分帧 | 第47-48页 |
| 5.1.3 语音信号端点检测 | 第48-49页 |
| 5.2 语音信号的特征提取 | 第49页 |
| 5.3 实验结果分析 | 第49-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 作者简介 | 第58-59页 |
| 致谢 | 第59页 |
