| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 课题的国内外研究现状及发展趋势 | 第10-13页 |
| 1.2.1 课题研究的国内外现状 | 第10-12页 |
| 1.2.2 课题研究的新趋势 | 第12-13页 |
| 1.3 论文的主要研究内容 | 第13-14页 |
| 1.4 论文结构及内容安排 | 第14-15页 |
| 第2章 人工神经网络的基础模型 | 第15-27页 |
| 2.1 神经元模型 | 第15-17页 |
| 2.1.1 生物神经元模型 | 第15-16页 |
| 2.1.2 人工神经元模型 | 第16-17页 |
| 2.2 人工神经网络模型及分类 | 第17-19页 |
| 2.3 前馈人工神经网络模型 | 第19-26页 |
| 2.3.1 感知器模型 | 第19-22页 |
| 2.3.2 误差反向传播（BP）神经网络模型 | 第22-24页 |
| 2.3.3 模糊神经网络模型 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 神经网络激励函数的硬件设计与实现 | 第27-47页 |
| 3.1 激励函数的选择与实现方式 | 第27-29页 |
| 3.1.1 激励函数的选择 | 第27-28页 |
| 3.1.2 激励函数的实现方式 | 第28-29页 |
| 3.2 梯形激励函数电路 | 第29-31页 |
| 3.2.1 梯形激励函数 | 第29页 |
| 3.2.2 梯形激励函数的电路实现 | 第29-31页 |
| 3.3 神经元Sigmoid激励函数及其导数电路实现 | 第31-42页 |
| 3.3.1 神经元Sigmoid激励函数电路 | 第31-33页 |
| 3.3.2 输入电流电压转换电路 | 第33-34页 |
| 3.3.3 Sigmoid激励函数主电路 | 第34-36页 |
| 3.3.4 输出电流电压变换器 | 第36-37页 |
| 3.3.5 Sigmoid激励函数的导函数电路实现 | 第37-39页 |
| 3.3.6 误差分析 | 第39页 |
| 3.3.7 电路的可编程性分析 | 第39-42页 |
| 3.4 高斯函数电路 | 第42-46页 |
| 3.4.1 高斯隶属度函数 | 第42-43页 |
| 3.4.2 高斯函数的电路实现 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于CMOS技术的前馈人工神经网络实现 | 第47-69页 |
| 4.1 人工神经元的硬件实现 | 第47-55页 |
| 4.1.1 人工神经元的硬件设计 | 第47-48页 |
| 4.1.2 电流模式乘法器的电路设计 | 第48-51页 |
| 4.1.3 线性可调OTA的电路设计 | 第51-55页 |
| 4.2 前馈人工神经网络的实现 | 第55-56页 |
| 4.3 模糊神经网络的电路设计与实现 | 第56-68页 |
| 4.3.1 模糊神经网络的电路设计 | 第56-57页 |
| 4.3.2 模糊化电路 | 第57-60页 |
| 4.3.3 模糊推理电路 | 第60-63页 |
| 4.3.4 去模糊电路 | 第63-66页 |
| 4.3.5 模糊神经网络的电路实现 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第5章 前馈人工神经网络的应用研究 | 第69-77页 |
| 5.1 异或运算的实现 | 第69-71页 |
| 5.2 数据分类 | 第71-76页 |
| 5.2.1 一维数据分类 | 第72-73页 |
| 5.2.2 多维数据分类 | 第73-76页 |
| 5.3 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 个人简历、在校期间发表学术论文与研究成果 | 第84页 |