首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

人工神经网络的结构学习算法及问题求解研究

第一章 前言第1-21页
 §1.1 什么是神经网络第9-11页
 §1.2 神经网络学习规则第11-15页
 §1.3 多层前馈网络学习算法研究现状第15-17页
 §1.4 联想记忆网络学习算法研究现状第17-18页
 §1.5 神经网络实时问题求解研究现状第18-19页
 §1.6 研究内容及主要结果第19-21页
第二章 神经网络基本特征与典型模型第21-40页
 §2.1 神经网络的基本特征第21-25页
     ·神经网络的结构特征第21-23页
     ·神经网络的计算特征第23页
     ·典型应用领域第23-24页
     ·神经网络模型分类第24-25页
 §2.2 前馈网络模型第25-30页
     ·感知器网络第26-29页
     ·BP神经网络第29-30页
 §2.3 反馈网络模型第30-37页
     ·离散型Hopfield网络第31-35页
     ·连续Hopfield神经网络第35-36页
     ·Boltzmann机第36-37页
 §2.4 HAMMING神经网络第37-38页
 §2.5 特征映射神经网络第38-40页
第三章 模式分类与神经网络学习第40-55页
 §3.1 感知器分类学习算法第40-42页
 §3.2 BP网络分类学习算法第42-45页
     ·标准BP算法第42-44页
     ·BP算法的改进第44-45页
 §3.3 联想记忆分类学习算法第45-50页
     ·Hopfield联想记忆网络学习算法第46-47页
     ·双向联想记忆学习算法第47-49页
     ·HAM与BAM网络模式分类器第49-50页
 §3.4 HAMMING网络分类学习算法第50-52页
     ·分类原理第50-51页
     ·学习算法第51-52页
 §3.5 特征映射分类学习算法第52-55页
     ·分类原理第52-53页
     ·Kohonen自组织特征映射算法第53-55页
第四章 前馈网络分类机理第55-63页
 §4.1 前馈网络分类的几何机理第55-59页
     ·超平面分割第55-57页
     ·输入层致隐层映射的定性解释第57-58页
     ·超曲面分割网络第58-59页
 §4.2 前馈网络分类的代数机理第59-63页
     ·前馈网络的输入输出映射第59-60页
     ·代数分类机理第60-63页
第五章 二进制映射神经网络分类的结构学习算法第63-79页
 §5.1 问题简述第63-64页
 §5.2 二分问题的神经网络结构学习算法第64-66页
 §5.3 一般二进制映射问题的几何学习算法第66-79页
     ·隐层网络学习第66-70页
     ·输出层网络学习第70-74页
     ·性能分析第74-77页
     ·实验与应用第77-79页
第六章 联想存储器结构学习算法第79-95页
 §6.1 联想记忆学习问题简述第79-80页
 §6.2 竞争分类学习算法第80-88页
     ·网络结构及学习算法第80-82页
     ·网络稳定性分析第82-87页
     ·网络性能分析第87-88页
 §6.3 自适应竞争分类算法第88-91页
     ·网络结构、学习算法及稳定性分析第88-89页
     ·CC算法与ACC算法比较第89-91页
 §6.4 前馈联想记忆网络学习算法第91-93页
     ·前馈网络联想记忆原理第91-92页
     ·学习算法第92-93页
 §6.5 试验结果第93-95页
第七章 神经网络实时问题求解第95-108页
 §7.1 货郎问题的神经网络实时求解第95-97页
 §7.2 最短路问题的神经网络实时求解第97-108页
     ·最小数选择器第97-100页
     ·有向图最短路径的计算第100-103页
     ·无向图的最短路径求解第103-104页
     ·计算机模拟第104页
     ·结论第104-108页
参考文献第108-114页
附录第114页

论文共114页,点击 下载论文
上一篇:基于内容的图象信息检索系统的研究
下一篇:地质图象处理算法的研究与实现