基于网格的神经网络计算平台研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·选题的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·网格计算的发展 | 第11-12页 |
| ·人工神经网络的发展 | 第12-13页 |
| ·基于网格的神经网络 | 第13-15页 |
| ·实验室研究成果 | 第15-16页 |
| ·本文主要内容及章节安排 | 第16-18页 |
| 第二章 研究基础 | 第18-28页 |
| ·实验室网格系统LabGrid 简介 | 第18-25页 |
| ·LabGrid 的工作原理 | 第19-20页 |
| ·LabGrid 各个功能模块 | 第20-25页 |
| ·神经网络计算平台HNetCP 简介 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 神经网络库NNLib | 第28-40页 |
| ·人工神经网络 | 第28-33页 |
| ·生物神经元的结构 | 第28-29页 |
| ·人工神经元模型 | 第29-30页 |
| ·神经网络的学习 | 第30-32页 |
| ·神经网络的结构 | 第32页 |
| ·神经网络的基本模型 | 第32-33页 |
| ·NNLib 中的神经网络 | 第33-38页 |
| ·BP 网络 | 第33-34页 |
| ·RBF 网络 | 第34-35页 |
| ·SOFM 网络 | 第35-36页 |
| ·LVQ 网络 | 第36页 |
| ·ART 网络 | 第36-37页 |
| ·Hopfield 网络 | 第37-38页 |
| ·NNLib 的设计 | 第38-39页 |
| ·本意小结 | 第39-40页 |
| 第四章 利用遗传算法改进BP 网络 | 第40-48页 |
| ·遗传算法 | 第40-44页 |
| ·编码方法 | 第40-41页 |
| ·适应度函数 | 第41-42页 |
| ·遗传算子 | 第42-43页 |
| ·运行参数 | 第43-44页 |
| ·遗传算法改进的BP 网络 | 第44-47页 |
| ·BP 神经网络的缺陷 | 第45页 |
| ·用遗传算法改进BP 网络的意义 | 第45页 |
| ·改进的遗传BP 网络 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 一种新的混合神经网络分类系统 | 第48-56页 |
| ·基本理论 | 第48-49页 |
| ·混合神经网络 | 第48页 |
| ·神经网络集成 | 第48-49页 |
| ·混合神经网络的设计 | 第49-51页 |
| ·混合网络的层次结构 | 第49-50页 |
| ·混合网络的学习 | 第50页 |
| ·混合网络的分类规则 | 第50-51页 |
| ·实验与分析 | 第51-55页 |
| ·实验过程 | 第51-53页 |
| ·结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 HNetCP 的应用 | 第56-65页 |
| ·HNetCP 在图像处理中的应用 | 第56-61页 |
| ·遗传BP 网络用于图像分割 | 第56-58页 |
| ·Hopfield 网络用于图像复原 | 第58-59页 |
| ·遗传BP 网络用于图像识别 | 第59-61页 |
| ·HNetCP 在机器人避障中的应用 | 第61-64页 |
| ·应用场景 | 第61-63页 |
| ·网络的设计 | 第63页 |
| ·运行演示 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
