非线性神经网络及其在地学中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 人工神经网络的基本概念 | 第11-23页 |
| ·人工神经网络研究与发展 | 第11-13页 |
| ·生物神经元 | 第13-15页 |
| ·生物神经元及其联接 | 第13-14页 |
| ·生物神经元的功能特点 | 第14-15页 |
| ·人工神经网络的构成 | 第15-23页 |
| ·神经元的结构模型 | 第15-18页 |
| ·人工神经网络的互连模式 | 第18-20页 |
| ·神经网络的工作方式 | 第20页 |
| ·神经网络的学习 | 第20-23页 |
| 2 人工神经网络 BP模型 | 第23-42页 |
| ·BP模型概述 | 第23-24页 |
| ·BP模型原理 | 第24-27页 |
| ·弹性BP算法 | 第27-32页 |
| ·BP总体算法 | 第32-33页 |
| ·BP总体算法流程图 | 第33-42页 |
| 3 人工神经网络 HOPFIELD模型 | 第42-48页 |
| ·HOPFIELD模型概述 | 第42页 |
| ·HOPFIELD模型原理 | 第42-46页 |
| ·HOPFIELD总体算法 | 第46-48页 |
| 4 人工神经网络 ART1模型 | 第48-54页 |
| ·ART1模型概述 | 第48页 |
| ·ART1模型原理 | 第48-52页 |
| ·初始化阶段 | 第49页 |
| ·识别阶段 | 第49-50页 |
| ·比较阶段 | 第50-51页 |
| ·寻找阶段 | 第51-52页 |
| ·ART1总体算法 | 第52-54页 |
| 5 人工神经网络 RBF模型 | 第54-59页 |
| ·RBF模型概述 | 第54页 |
| ·径向基函数 | 第54-55页 |
| ·径向基层的工作原理 | 第55-56页 |
| ·RBF网络的训练 | 第56-57页 |
| ·RBF总体算法 | 第57-59页 |
| 6 系统实现及应用 | 第59-80页 |
| ·概述 | 第59页 |
| ·数据管理模块 | 第59-67页 |
| ·显示模块 | 第67-70页 |
| ·分析计算模块 | 第70-80页 |
| ·ART1网络模型的应用实例 | 第70-72页 |
| ·BP网络模型的应用实例 | 第72-75页 |
| ·HOPFIELD网络模型的应用实例 | 第75-77页 |
| ·RBF网络模型的应用实例 | 第77-80页 |
| 结论 | 第80-81页 |
| 致谢 | 第81-82页 |
| 主要参考文献 | 第82-83页 |
