| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 本文研究背景及意义 | 第9-11页 |
| 1.2 人工神经网络的发展及应用 | 第11-14页 |
| 1.2.1 神经网络的发展简述 | 第11-12页 |
| 1.2.2 神经网络的应用 | 第12-14页 |
| 1.3 人工神经网络在高能物理中的应用 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 第二章 人工神经网络的原理及其应用 | 第16-32页 |
| 2.1 人工神经网络概述 | 第16-23页 |
| 2.1.1 生物神经细胞的结构与动作 | 第16-17页 |
| 2.1.2 人工神经网络的基本原理和模型 | 第17-20页 |
| 2.1.3 人工神经网络的学习方式和学习规则 | 第20-23页 |
| 2.2 BP神经网络 | 第23-28页 |
| 2.2.1 BP网络的拓扑结构与数学描述 | 第23-24页 |
| 2.2.2 反向传播(BP)算法 | 第24-26页 |
| 2.2.3 BP算法的优点及缺点 | 第26-28页 |
| 2.3 改良的BP算法 | 第28-32页 |
| 2.3.1 共轭梯度法 | 第28页 |
| 2.3.2 二次插值 | 第28-29页 |
| 2.3.3 步长优化 | 第29页 |
| 2.3.4 共轭梯度优化算法 | 第29-32页 |
| 第三章 BP神经网络在粒子鉴别中的应用和分析 | 第32-38页 |
| 3.1 工作之一：人工神经网络对夸克胶子喷注的识别 | 第32-36页 |
| 3.1.1 夸克胶子喷注样本的获取 | 第32-33页 |
| 3.1.2 神经网络设置 | 第33-35页 |
| 3.1.3 实验结果与讨论 | 第35-36页 |
| 3.2 工作之二：BP神经网络对Iris数据集和Seeds数据集进行分类 | 第36-38页 |
| 3.2.1 数据来源 | 第36页 |
| 3.2.2 实验结果与讨论 | 第36-38页 |
| 第四章 总结和展望 | 第38-39页 |
| 4.1 主要总结 | 第38页 |
| 4.2 研究展望 | 第38-39页 |
| 参考文献 | 第39-41页 |
| 在校期间的研究成果 | 第41-42页 |
| 致谢 | 第42页 |