多层前馈神经网络算法的改进及应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·神经网络的概述 | 第7-8页 |
| ·神经网络的定义 | 第7页 |
| ·神经网络的特点 | 第7-8页 |
| ·神经网络的发展历史 | 第8-9页 |
| ·本课题研究的内容、意义及成果 | 第9-10页 |
| ·研究的内容、意义 | 第9-10页 |
| ·研究的主要成果 | 第10页 |
| ·论文的组织结构 | 第10-11页 |
| 2 神经网络基础知识 | 第11-18页 |
| ·生物神经元模型 | 第11页 |
| ·神经网络模型 | 第11-12页 |
| ·神经网络的结构 | 第12-13页 |
| ·神经网络的学习规则 | 第13-15页 |
| ·常见的神经网络 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 3 BP 神经网络模型 | 第18-25页 |
| ·BP 神经网络简介 | 第18-22页 |
| ·BP 神经网络结构 | 第18-19页 |
| ·BP 算法的思想和学习规则 | 第19-21页 |
| ·BP 算法的程序实现 | 第21页 |
| ·多层前馈网络的主要能力 | 第21页 |
| ·BP 算法存在的主要缺陷和局限性 | 第21-22页 |
| ·BP 算法的研究现状 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 4 BP 网络模型中输出神经元过早饱和的机理研究 | 第25-30页 |
| ·输出神经元过早饱和的内在原因分析 | 第25-27页 |
| ·定理及证明 | 第27-28页 |
| ·防止出现过早饱和现象 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 5 基于最优学习参数估计的三项 BP 算法 | 第30-34页 |
| ·三项BP 算法 | 第30-31页 |
| ·最优学习参数估计 | 第31-32页 |
| ·算法性能分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 6 基于修改误差函数构造新改进的 BP 学习算法 | 第34-41页 |
| ·背景知识 | 第34-35页 |
| ·设计新的误差函数 | 第35-36页 |
| ·放大误差信号 | 第36-38页 |
| ·自适应误差信号的构造 | 第36页 |
| ·函数的性能分析 | 第36-38页 |
| ·算法描述 | 第38页 |
| ·仿真实验 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 7 结论与展望 | 第41-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 附录 | 第47-52页 |
