| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·神经网络的发展历史及应用前景 | 第10-12页 |
| ·发展历史 | 第10-12页 |
| ·应用前景 | 第12页 |
| ·人工神经网络学习算法研究现状 | 第12-14页 |
| ·所选课题的科学意义 | 第14页 |
| ·论文研究的主要内容及其结构 | 第14-16页 |
| 第2章 预备知识 | 第16-27页 |
| ·人工神经网络基础知识 | 第16-23页 |
| ·人工神经元的结构 | 第16-17页 |
| ·人工神经网络的结构 | 第17-21页 |
| ·学习规则 | 第21-23页 |
| ·信赖域算法简介 | 第23-26页 |
| ·信赖域算法的基本思想 | 第23-24页 |
| ·信赖域算法的步骤 | 第24-25页 |
| ·信赖域算法的收敛性 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 BP 算法的改进及其应用 | 第27-36页 |
| ·引言 | 第27页 |
| ·BP 神经网络模型 | 第27-29页 |
| ·传统的 BP 网络学习算法及其缺点 | 第29-32页 |
| ·传统的 BP 算法 | 第29-31页 |
| ·传统 BP 算法的缺点 | 第31-32页 |
| ·改进的 BP 算法 | 第32-34页 |
| ·改进的 BP 算法的基本原理 | 第32-34页 |
| ·改进的 BP 网络学习算法的描述 | 第34页 |
| ·数值实例 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 Hopfield 网络算法的改进及其收敛性分析 | 第36-47页 |
| ·引言 | 第36页 |
| ·Hopfield 神经网络的稳定性 | 第36-42页 |
| ·离散型 Hopfield 神经网络的稳定性 | 第37-39页 |
| ·连续型 Hopfield 网络的稳定性 | 第39-42页 |
| ·改进的 Hopfield 网络算法 | 第42-44页 |
| ·改进算法的基本原理 | 第42-44页 |
| ·算法的实现过程 | 第44页 |
| ·算法的收敛性分析 | 第44-45页 |
| ·数值实例 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 改进的 Hopfield 网络算法在 ARMA 模型参数估计中的应用 | 第47-55页 |
| ·引言 | 第47页 |
| ·平稳时间序列 | 第47-48页 |
| ·ARMA 模型 | 第48-50页 |
| ·ARMA 模型的定义 | 第48-49页 |
| ·ARMA 模型建模步骤 | 第49-50页 |
| ·ARMA 模型的参数估计 | 第50-53页 |
| ·目标函数 | 第50-51页 |
| ·初值的确定 | 第51-53页 |
| ·实例分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |