| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-21页 |
| ·论文简介 | 第8页 |
| ·神经网络 | 第8-11页 |
| ·神经网络的定义 | 第9页 |
| ·神经网络发展及分类 | 第9-10页 |
| ·神经网络的特性 | 第10-11页 |
| ·BP神经网络 | 第11-18页 |
| ·BP网络介绍 | 第11页 |
| ·BP网络基本算法 | 第11-18页 |
| ·神经网络集成 | 第18-21页 |
| ·神经网络集成简介 | 第18-19页 |
| ·神经网络集成思想的产生 | 第19页 |
| ·神经网络集成的研究现状 | 第19-21页 |
| 2 用于前馈神经网络的基于误差递减的相继逼近训练算法 | 第21-25页 |
| ·算法模型 | 第21-23页 |
| ·训练过程第一步 | 第21-22页 |
| ·训练过程第二步 | 第22页 |
| ·训练过程第k步 | 第22-23页 |
| ·算法收敛性分析 | 第23-24页 |
| ·算法分析 | 第24-25页 |
| 3 用于前馈神经网络的基于隐单元递增的相继逼近训练算法 | 第25-29页 |
| ·算法模型 | 第25-27页 |
| ·训练过程第一步 | 第25页 |
| ·训练过程第二步 | 第25-26页 |
| ·训练过程第k步 | 第26-27页 |
| ·算法分析 | 第27-29页 |
| 4 基于隐单元递增的相继生成算法的前馈神经网络学习能力分析 | 第29-33页 |
| ·N维奇偶问题数值实验 | 第29-31页 |
| ·N维奇偶问题介绍 | 第29页 |
| ·利用N维奇偶问题测试算法学习能力 | 第29-31页 |
| ·学习能力分析 | 第31页 |
| ·用于前馈神经网络的基于误差递减的相继逼近训练算法学习方面存在的问题 | 第31-33页 |
| 5 基于隐单元递增的相继生成算法的前馈神经网络泛化能力分析 | 第33-39页 |
| ·双螺旋问题数值试验 | 第34-36页 |
| ·双螺旋问题介绍 | 第34页 |
| ·双螺旋问题数值试验 | 第34-36页 |
| ·数据试验分析 | 第36页 |
| ·非线性系统数值试验 | 第36-38页 |
| ·非线性系统介绍 | 第36-37页 |
| ·非线性系统数值试验 | 第37页 |
| ·数据试验分析 | 第37-38页 |
| ·泛化能力分析 | 第38-39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 攻读硕士学位期间发表学术论文情况 | 第43-44页 |
| 致谢 | 第44-45页 |
