| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·神经网络发展历史 | 第8-9页 |
| ·神经网络泛化能力简介及其国内外研究现状 | 第9-12页 |
| ·课题意义及论文内容安排 | 第12-14页 |
| ·神经网络泛化能力研究意义 | 第12页 |
| ·本文研究工作概要及主要章节安排 | 第12-14页 |
| 参考文献 | 第14-16页 |
| 第二章 神经网络基础及其泛化能力的主要影响因素 | 第16-28页 |
| ·BP 神经网络基础理论 | 第16-19页 |
| ·BP 神经网络的结构 | 第16页 |
| ·BP 算法数学表达 | 第16-19页 |
| ·BP 神经网络工作流程 | 第19页 |
| ·神经网络泛化能力影响因素 | 第19-26页 |
| ·泛化能力的基本概念 | 第19-21页 |
| ·泛化能力主要影响因素分析 | 第21-26页 |
| ·小结 | 第26-27页 |
| 参考文献 | 第27-28页 |
| 第三章 随机扩展训练集与带噪训练算法研究 | 第28-47页 |
| ·带噪训练算法的理论依据 | 第28-30页 |
| ·基于K-L 信息度量法扩展网络训练集 | 第30-39页 |
| ·基于局部最大熵密度法(Locally Most Entropic Density)扩展训练集 | 第30-32页 |
| ·基于K-L 信息量度的协方差矩阵估计方法 | 第32-34页 |
| ·计算机仿真 | 第34-39页 |
| ·BP 网络带噪训练算法研究 | 第39-45页 |
| ·基于K-L 信息度量的带噪训练算法 | 第39-41页 |
| ·计算机仿真 | 第41-45页 |
| ·小结 | 第45-46页 |
| 参考文献 | 第46-47页 |
| 第四章 多层前馈神经网络的结构优化算法研究 | 第47-60页 |
| ·基于权值拟熵的神经网络剪枝算法 | 第47-53页 |
| ·网络的权值拟熵 | 第47-48页 |
| ·基于权值拟熵的剪枝算法 | 第48-50页 |
| ·计算机仿真 | 第50-53页 |
| ·快速构造算法研究 | 第53-57页 |
| ·常规CC 算法原理 | 第54-55页 |
| ·快速构造算法 | 第55页 |
| ·计算机仿真 | 第55-57页 |
| ·小结 | 第57-59页 |
| 参考文献 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·研究展望 | 第60-62页 |
| 攻读硕士学位期间发表的论文 | 第62-63页 |
| 致谢 | 第63页 |