| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-12页 |
| 1 绪论 | 第12-17页 |
| ·课题背景 | 第12-13页 |
| ·研究现状及意义 | 第13-15页 |
| ·研究现状 | 第13-14页 |
| ·意义 | 第14-15页 |
| ·主要内容及组织结构 | 第15-17页 |
| ·主要内容 | 第15页 |
| ·组织结构 | 第15-17页 |
| 2 人工神经网络 | 第17-29页 |
| ·人工神经网络理论的提出 | 第17-18页 |
| ·人工神经网络的基本原理 | 第18-19页 |
| ·人工神经网络的基本概念 | 第19-27页 |
| ·人工神经元简单描述 | 第19-20页 |
| ·人工神经元的数学模型 | 第20-23页 |
| ·人工神经网络的基本模型 | 第23-25页 |
| ·人工神经网络的学习 | 第25-27页 |
| ·人工神经网络分类 | 第27页 |
| ·人工神经网络的优缺点 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 BP神经网络的研究 | 第29-37页 |
| ·BP神经网络概述 | 第29-31页 |
| ·BP神经网络的拓扑结构 | 第29-30页 |
| ·BP神经网络的学习过程 | 第30-31页 |
| ·BP(Back Propagation)神经网络的基本原理 | 第31-36页 |
| ·BP神经元原理 | 第31-32页 |
| ·BP网络算法原理 | 第32-35页 |
| ·BP算法的步骤及流程图 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 BP神经网络算法的改进 | 第37-51页 |
| ·BP算法的优缺点 | 第37-38页 |
| ·BP算法的改进方向 | 第38-43页 |
| ·网络的层数 | 第38页 |
| ·隐含层节点数 | 第38-40页 |
| ·初始权值 | 第40页 |
| ·学习速率 | 第40页 |
| ·期望误差 | 第40-41页 |
| ·激励函数 | 第41-43页 |
| ·改进的BP算法 | 第43-50页 |
| ·自适应学习速率法 | 第44-45页 |
| ·附加动量法 | 第45-48页 |
| ·弹性BP算法 | 第48-49页 |
| ·其他BP改进算法 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 BP神经网络算法的改进及应用 | 第51-67页 |
| ·BP算法改进的设想 | 第51-57页 |
| ·新算法的实现流程 | 第57-61页 |
| ·改进BP神经网络的步骤 | 第57-58页 |
| ·改进的BP算法的推理 | 第58-61页 |
| ·改进的BP网络流程图 | 第61页 |
| ·新算法的应用 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-68页 |
| ·总结 | 第67页 |
| ·进一步的研究和展望 | 第67-68页 |
| 7 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 作者简介及读研期间主要科研成果 | 第72页 |