二进神经网络规则提取方法研究
第一章 绪论 | 第1-20页 |
1.1 引言 | 第11-12页 |
1.2 人工神经网络的发展过程 | 第12-14页 |
1.3 二进前向神经网络模型 | 第14-15页 |
1.3.1 神经元的数学模型 | 第14页 |
1.3.2 二进前向神经网络的结构 | 第14-15页 |
1.4 二进神经网络的应用 | 第15-16页 |
1.5 二进神经网络知识提取研究 | 第16-18页 |
1.6 论文的内容安排 | 第18-20页 |
第二章 二进神经网络基本理论 | 第20-32页 |
2.1 线性可分与感知器 | 第20-22页 |
2.1.1 线性可分概念和分类超平面 | 第20页 |
2.1.2 感知器学习算法 | 第20-21页 |
2.1.3 感知器学习算法的收敛性 | 第21-22页 |
2.2 稳健分类 | 第22-25页 |
2.2.1 稳健分类的定义 | 第22-23页 |
2.2.2 “与”、“或”、“非”逻辑的稳健分类 | 第23-24页 |
2.2.3 稳健分类超平面的一般表示 | 第24页 |
2.2.4 稳健分类的几何意义 | 第24-25页 |
2.3 二进神经网络的训练学习 | 第25-29页 |
2.3.1 规则和非规则划分学习算法 | 第25-26页 |
2.3.2 几何学习算法 | 第26-28页 |
2.3.3 汉明图学习算法 | 第28-29页 |
2.3.4 稳健网络几何学习算法 | 第29页 |
2.4 二进神经网络的知识分析方法 | 第29-32页 |
2.4.1 KT方法 | 第30页 |
2.4.2 MofN规则表达方法 | 第30页 |
2.4.3 CH算子 | 第30-32页 |
第三章 二进神经网络的等价性规则提取 | 第32-42页 |
3.1 蕴含性规则和等价性规则 | 第32-34页 |
3.1.1 KT方法分析 | 第32-33页 |
3.1.2 基于CH判据的等价性规则提取 | 第33-34页 |
3.2 几类等价逻辑关系的充要性判据 | 第34-39页 |
3.3 WTA规则提取方法 | 第39-42页 |
3.3.1 规则提取 | 第39-40页 |
3.3.2 举例分析 | 第40-42页 |
第四章 二进神经网络中的汉明球 | 第42-54页 |
4.1 汉明球的逻辑意义 | 第42-45页 |
4.2 汉明球的一般判别和构造方法 | 第45-50页 |
4.3 举例与讨论 | 第50-52页 |
4.4 稳健神经元和汉明球的关系 | 第52-54页 |
第五章 SP函数的构造和判别 | 第54-64页 |
5.1 SP函数 | 第54-56页 |
5.2 SP函数分类超平面的一般构造方法 | 第56-57页 |
5.3 SP函数的一般判别方法 | 第57-62页 |
5.4 举例分析 | 第62-64页 |
第六章 二进神经网络中的笛卡尔球 | 第64-71页 |
6.1 笛卡尔球 | 第64-66页 |
6.2 笛卡尔球的逻辑意义 | 第66-67页 |
6.3 笛卡尔球的一般判别方法 | 第67-69页 |
6.4 举例分析 | 第69-71页 |
第七章 线性可分与连通性 | 第71-81页 |
7.1 布尔空间样本连通性 | 第71-72页 |
7.2 连通性与线性可分的关系 | 第72-74页 |
7.3 抑制神经元 | 第74-76页 |
7.4 最多孤立样本(MIS)问题 | 第76-81页 |
7.4.1 样本的标准排序 | 第76-77页 |
7.4.2 MIS问题定义 | 第77-78页 |
7.4.3 MIS问题的几何意义 | 第78-79页 |
7.4.4 MIS问题的逻辑意义 | 第79-80页 |
7.4.5 MIS问题的网络实现 | 第80-81页 |
第八章 二进神经网络的模式匹配学习 | 第81-90页 |
8.1 几类线性可分结构系 | 第81-82页 |
8.2 线性可分结构系的分层表达 | 第82-83页 |
8.3 模式匹配学习 | 第83-88页 |
8.3.1 理论基础 | 第83页 |
8.3.2 算法描述和流程 | 第83-88页 |
8.3.3 算法复杂度分析 | 第88页 |
8.4 举例分析 | 第88-90页 |
第九章 结束语 | 第90-93页 |
9.1 研究总结 | 第90-91页 |
9.2 本文的创新处 | 第91页 |
9.3 存在的问题 | 第91-93页 |
攻读博士学位期间发表的论文 | 第93-94页 |
参考文献 | 第94-98页 |