| 第一章 引言 | 第1-27页 |
| ·人工神经网络的发展概况 | 第12-18页 |
| ·人工神经网络应用领域 | 第18-20页 |
| ·组合优化问题 | 第20-21页 |
| ·传统的组合优化算法 | 第21-24页 |
| ·基于神经网络的组合优化算法 | 第24-25页 |
| ·论文的内容与安排 | 第25-27页 |
| 第二章 神经网络模型 | 第27-49页 |
| ·基本模型 | 第27-34页 |
| ·神经元模型 | 第28-31页 |
| ·网络结构 | 第31-33页 |
| ·学习过程 | 第33-34页 |
| ·Hopfield神经网络 | 第34-38页 |
| ·离散型Hopfield神经网络 | 第34-36页 |
| ·连续型Hopfield神经网络 | 第36-38页 |
| ·弹性神经网络 | 第38-40页 |
| ·自组织特征映射 | 第40-43页 |
| ·BP神经网络 | 第43-49页 |
| ·BP神经网络网络模型与结构 | 第44-45页 |
| ·BP学习规则 | 第45-47页 |
| ·误差反向传播的流程图与图形解释 | 第47-49页 |
| 第三章 组合优化问题的神经网络算法 | 第49-88页 |
| ·组合优化问题介绍 | 第49-50页 |
| ·Hopfield神经网络模型 | 第50-57页 |
| ·求解TSP问题的Hopfield-Tank神经网络模型 | 第50-53页 |
| ·求解八皇后问题的Hopfield神经网络模型 | 第53-57页 |
| ·TSP问题的弹性网络模型 | 第57-70页 |
| ·问题的提出 | 第57-58页 |
| ·弹性网络算法 | 第58-59页 |
| ·弹性网络算法的稳定性与收敛性 | 第59-63页 |
| ·改进的弹性网络算法 | 第63-67页 |
| ·计算机模拟仿真结果 | 第67-70页 |
| ·TSP问题的自组织映射模型 | 第70-87页 |
| ·求解TSP问题的SOM算法 | 第70-72页 |
| ·SOM的参数调整率 | 第72-73页 |
| ·SOM的初始化方法 | 第73-75页 |
| ·数值模拟实验结果比较 | 第75-80页 |
| ·求解TSP问题的改进的SOM算法 | 第80-86页 |
| ·算法复杂性分析及结论 | 第86-87页 |
| ·总结 | 第87-88页 |
| 第四章 BP神经网络在信息处理中的应用 | 第88-105页 |
| ·神经网络技术在医学领域的应用进展 | 第88页 |
| ·用BP神经网络对SARS流行病进行预测与分析 | 第88-100页 |
| ·改进的BP神经网络 | 第89-91页 |
| ·训练样本向量的选择 | 第91-92页 |
| ·隐含层神经元的数目及参数选择 | 第92页 |
| ·训练与预测方法 | 第92-93页 |
| ·计算机模拟仿真结果与分析 | 第93-100页 |
| ·基于BP神经网络的涡流探伤裂纹信号特征提取的研究 | 第100-104页 |
| ·涡流探伤检测原理及实验 | 第100-103页 |
| ·BP神经网络的具体算法步骤 | 第103页 |
| ·涡流探伤提离效应网络模型及仿真曲线 | 第103-104页 |
| ·总结 | 第104-105页 |
| 第五章 结论 | 第105-110页 |
| ·Hopfield神经网络模型 | 第105-106页 |
| ·弹性神经网络模型 | 第106-107页 |
| ·SOM神经网络模型 | 第107-108页 |
| ·BP神经网络模型 | 第108-110页 |
| 附录一 八皇后问题的全部解 | 第110-114页 |
| 附录二 14个TSP实例的MSTSP算法解的结果 | 第114-122页 |
| 参考文献 | 第122-132页 |
| 攻读博士期间发表的论文及所取得的研究成果 | 第132-133页 |
| 致谢 | 第133页 |