回归SDM模型及其在函数逼近和识别中的应用研究
| 第一章 绪论 | 第1-8页 |
| 1．1 模式识别的发展与应用 | 第5页 |
| 1．2 人工神经网络的发展与应用 | 第5-7页 |
| 1．3 论文的研究内容 | 第7-8页 |
| 第二章 SDM及相关模型 | 第8-21页 |
| 2．1 神经网络中的前馈网络和反馈网络模型 | 第8-14页 |
| 2．1．1 神经网络的基本原理、结构、分类 | 第8-9页 |
| 2．1．2 前馈网络 | 第9-13页 |
| 2．1．3 反馈网络 | 第13-14页 |
| 2．2 稀疏分布式存储模型SDM | 第14-21页 |
| 2．2．1 数学基础 | 第15-16页 |
| 2．2．2 稀疏记忆和分布存储 | 第16页 |
| 2．2．3 SDM的联想记忆 | 第16-17页 |
| 2．2．4 SDH模型的层次结构 | 第17-18页 |
| 2．2．5 SDM的读写过程 | 第18-19页 |
| 2．2．6 SDM的特性 | 第19-21页 |
| 第三章 回归SDM模型 | 第21-25页 |
| 3．1 引言 | 第21页 |
| 3．2 SDM存在的问题及改进 | 第21页 |
| 3．3 矩阵A的设置 | 第21-23页 |
| 3．3．1 遗传算法 | 第21-23页 |
| 3．3．2 A矩阵的预置 | 第23页 |
| 3．4 RSDM的写入和读取过程 | 第23-24页 |
| 3．5 网络参数讨论 | 第24-25页 |
| 第四章 基于RSDM的函数逼近及时间序列预测 | 第25-32页 |
| 4．1 引言 | 第25页 |
| 4．2 非线性函数的逼近 | 第25-27页 |
| 4．3 多维差分时间序列预测 | 第27-32页 |
| 第五章 基于RSDM的手写体数字识别 | 第32-40页 |
| 5．1 引言 | 第32-33页 |
| 5．2 手写体数字图象的预处理及特征抽取 | 第33-37页 |
| 5．3 实验及结果讨论 | 第37-40页 |
| 第六章 结论和展望 | 第40-42页 |
| 6．1 总结 | 第40页 |
| 6．2 展望 | 第40-42页 |
| 致谢 | 第42-43页 |
| 在学期间的研究成果 | 第43-44页 |
| 参考文献 | 第44-45页 |
