| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第1章 绪论 | 第6-9页 |
| 1.1 选题的目的和意义 | 第6-7页 |
| 1.2 本文创新及组织结构 | 第7-9页 |
| 第2章 联想记忆的人工神经网络理论与方法 | 第9-26页 |
| 2.1 人工神经网络的发展历史 | 第9-10页 |
| 2.1.1 第一阶段——启蒙时期 | 第9页 |
| 2.1.2 第二阶段——低潮时期 | 第9-10页 |
| 2.1.3 第三阶段——复兴时期 | 第10页 |
| 2.2 人工神经网络的的相关知识 | 第10-19页 |
| 2.2.1 人工神经网络的模拟对象 | 第10-11页 |
| 2.2.2 人工神经网络模型 | 第11-14页 |
| 2.2.3 人工神经网络的工作方式 | 第14-15页 |
| 2.2.4 人工神经网络的学习规则 | 第15-16页 |
| 2.2.5 人工神经网络的基本性质 | 第16-17页 |
| 2.2.6 自联想记忆神经网络与吸引域 | 第17-18页 |
| 2.2.7 异联想记忆神经网络与容错域 | 第18-19页 |
| 2.3 基于HOPFIELD网络的联想记忆模型的典型方法 | 第19-23页 |
| 2.3.1 网络拓扑结构 | 第19页 |
| 2.3.2 网络状态 | 第19-20页 |
| 2.3.3 网络的工作方式 | 第20页 |
| 2.3.4 网络权值设计 | 第20-22页 |
| 2.3.5 网络的稳定性 | 第22-23页 |
| 2.4 联想记忆神经网络模型研究现状与其缺陷 | 第23-26页 |
| 第3章 具有期望时变容错域的联想记忆设计方案 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 联想记忆模型的样本任意期望容错域(吸引域)设计 | 第26-27页 |
| 3.3 联想记忆模型的拓扑结构 | 第27-30页 |
| 3.4 基于排序学习与增量学习相结合的联想记忆模型确定 | 第30-41页 |
| 3.4.1 t时刻的通用前馈网络模型确定算法 | 第31-33页 |
| 3.4.2 通用前馈网络到双层前馈网络的连接权确定 | 第33页 |
| 3.4.3 双层前馈网络模型确定 | 第33-34页 |
| 3.4.4 基于t时刻的通用前馈网络模型的增量算法 | 第34-38页 |
| 3.4.5 联想记忆模型实例 | 第38-41页 |
| 第4章 回顾与总结 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 攻读学位期间的研究成果 | 第45-46页 |
| 致谢 | 第46-47页 |
