| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-23页 |
| ·人工神经网络简介 | 第8-12页 |
| ·人工神经网络的发展与应用 | 第8-9页 |
| ·人工神经网络的拓扑结构 | 第9-10页 |
| ·人工神经网络的学习方式 | 第10页 |
| ·BP学习算法 | 第10-12页 |
| ·高阶神经网络 | 第12-18页 |
| ·高阶神经网络简介 | 第12-13页 |
| ·几类常见的高阶神经网络 | 第13-18页 |
| ·主成分分析 | 第18-21页 |
| ·主成分分析简介 | 第18页 |
| ·主成分分析基本原理 | 第18-20页 |
| ·主成分分析一些研究问题 | 第20-21页 |
| ·本文研究内容 | 第21-23页 |
| 2 基于PCA的高阶神经网络修剪方法 | 第23-37页 |
| ·背景介绍 | 第23页 |
| ·算法描述 | 第23-24页 |
| ·基于PCA的高阶神经网络修剪法与普通高阶神经网络学习算法比较 | 第24-29页 |
| ·布尔映射数值实验 | 第24-27页 |
| ·UCI数据集数值实验 | 第27-29页 |
| ·基于PCA的高阶神经网络修剪法下修剪神经元个数所产生的影响 | 第29-35页 |
| ·Gabor函数数值实验 | 第29-32页 |
| ·布尔映射数值实验 | 第32-35页 |
| ·实验分析 | 第35页 |
| ·本章小结 | 第35-37页 |
| 3 部分高阶神经网络 | 第37-45页 |
| ·背景介绍 | 第37页 |
| ·部分高阶网络结构介绍 | 第37-39页 |
| ·数值实验 | 第39-44页 |
| ·Gabor函数数值实验 | 第39-41页 |
| ·N奇偶问题数值实验 | 第41-42页 |
| ·双螺旋问题数值实验 | 第42-43页 |
| ·数值实验分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间发表学术论文情况 | 第49-50页 |
| 致谢 | 第50-52页 |