多输出BP网络学习算法收敛性及输出设计
| 第一章 绪论 | 第1-16页 |
| 1．1 人工神经网络 | 第10-11页 |
| 1．2 神经网络的分类、学习规则和特征 | 第11-14页 |
| 1．2．1 神经网络的分类 | 第11页 |
| 1．2．2 神经网络的学习规则 | 第11-13页 |
| 1．2．3 神经网络的特征 | 第13-14页 |
| 1．3 神经网络的应用 | 第14页 |
| 1．4 本文的主要工作 | 第14-16页 |
| 第二章 多输出的三层BP神经网络的收敛性证明 | 第16-29页 |
| 2．1 BP神经网络简介 | 第16-21页 |
| 2．1．1 BP网络基本原理 | 第16页 |
| 2．1．2 BP网络基本算法 | 第16-18页 |
| 2．1．3 BP网络学习中应注意的问题 | 第18-21页 |
| 2．2 收敛性证明 | 第21-29页 |
| 2．2．1 引言 | 第21-22页 |
| 2．2．2 主要引理和收敛性定理 | 第22-29页 |
| 第三章 BP网络解决分类问题时的输出层设计 | 第29-40页 |
| 3．1 传统模式分类器 | 第29页 |
| 3．2 神经网络分类器 | 第29-30页 |
| 3．3 BP神经网络分类器 | 第30-33页 |
| 3．4 BP网络结构的设计 | 第33-35页 |
| 3．4．1 输入样本设计 | 第33-34页 |
| 3．4．2 输出层设计 | 第34页 |
| 3．4．3 实验中参数的设计 | 第34-35页 |
| 3．5 数值结果 | 第35-40页 |
| 3．5．1 数值结果分析 | 第35-38页 |
| 3．5．2 几何解释 | 第38页 |
| 3．5．3 结论 | 第38-40页 |
| 参考文献 | 第40-44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 |
