| 第一章 绪论 | 第1-14页 |
| 1．1 神经网络简介 | 第9-12页 |
| 1．2 本文的主要工作 | 第12-14页 |
| 第二章 带惩罚项的BP神经网络中在线梯度法的收敛性 | 第14-30页 |
| 2．1 BP神经网络简介 | 第14-16页 |
| 2．2 学习过程中注意的问题 | 第16-17页 |
| 2．3 泛化能力和惩罚项 | 第17-18页 |
| 2．4 网络结构及算法 | 第18-20页 |
| 2．5 所需条件及重要引理 | 第20-22页 |
| 2．6 主要定理 | 第22-27页 |
| 2．7 结论(收敛性结果) | 第27-30页 |
| 第三章 Pi-Sigma神经网络中BP算法的收敛性 | 第30-41页 |
| 3．1 跟Pi-Sigma神经网络有关的各种网络简介 | 第30-34页 |
| 3．1．1 高阶神经网络 | 第30-32页 |
| 3．1．2 Sigma- Pi神经网络 | 第32-33页 |
| 3．1．3 Pi-Sigma神经网络 | 第33页 |
| 3．1．4 Ridge Polynomial网络 | 第33-34页 |
| 3．1．5 Product Unit网络 | 第34页 |
| 3．2 Pi-Sigma网络结构 | 第34-36页 |
| 3．3 所需条件 | 第36页 |
| 3．4 重要引理 | 第36-38页 |
| 3．5 主要结果 | 第38-41页 |
| 参考文献 | 第41-44页 |
| 攻读硕士期间发表的论文 | 第44-45页 |
| 致谢 | 第45-46页 |
| 大连理工大学学位论文版权使用授权书 | 第46页 |
