| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 人工神经网络 | 第9-13页 |
| 1.1.1 神经网络介绍 | 第9-10页 |
| 1.1.2 神经元的基本概念 | 第10-11页 |
| 1.1.3 线性可分与不可分：XOR问题 | 第11-13页 |
| 1.2 论文的研究背景及意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 论文的主要内容 | 第15-17页 |
| 第2章 多值神经网络基础 | 第17-33页 |
| 2.1 实值神经网络 | 第17-19页 |
| 2.1.1 实值神经元的基本概念 | 第17页 |
| 2.1.2 感知器学习算法的收敛性 | 第17-19页 |
| 2.2 多值神经元(MVN) | 第19-30页 |
| 2.2.1 多值神经元的基本概念 | 第19-20页 |
| 2.2.2 离散型多值神经元 | 第20-22页 |
| 2.2.3 连续型多值神经元 | 第22-23页 |
| 2.2.4 多值神经元学习算法的收敛性 | 第23-30页 |
| 2.3 多值神经元的推广 | 第30-32页 |
| 2.3.1 二值神经元(UBN) | 第30-31页 |
| 2.3.2 带周期激活函数的多值神经元(MVN-P) | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 新型多值神经元及其算法收敛性分析 | 第33-46页 |
| 3.1 传统多值神经元学习算法的收敛性分析 | 第33-39页 |
| 3.1.1 原收敛定理的瑕疵 | 第33-34页 |
| 3.1.2 二可分不收敛定理 | 第34-37页 |
| 3.1.3 实例及算法流程 | 第37-39页 |
| 3.2 新型多值神经元 | 第39-40页 |
| 3.3 新型多值神经元的收敛性 | 第40-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 多值神经元的新学习算法及其收敛性 | 第46-55页 |
| 4.1 Wirtinger导数 | 第46页 |
| 4.2 多值神经元的新学习算法 | 第46-48页 |
| 4.3 多值神经元基于新学习算法的收敛性分析 | 第48-53页 |
| 4.4 本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |