| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 盲均衡与盲检测技术概述 | 第9-10页 |
| 1.2 人工神经网络 | 第10-17页 |
| 1.2.1 人工神经网络概述 | 第12-13页 |
| 1.2.2 复数神经网络概述 | 第13-14页 |
| 1.2.3 Hopfield神经网络概述 | 第14-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文结构 | 第18-20页 |
| 第二章 复数连续Hopfield型正反馈神经网络盲检测算法 | 第20-36页 |
| 2.1 Hopfield神经网络 | 第20-23页 |
| 2.2 盲检测优化问题的建立 | 第23页 |
| 2.3 复数连续Hopfield型正反馈神经网络的盲检测新系统 | 第23-32页 |
| 2.3.1 Hopfield型正反馈神经网络的构建 | 第24-26页 |
| 2.3.2 PFHNN神经网络的稳定性证明 | 第26-29页 |
| 2.3.3 复数连续Hopfield型自适应正反馈神经网络 | 第29-31页 |
| 2.3.4 双Sigmoid正反馈型Hopfield神经网络 | 第31-32页 |
| 2.4 仿真实验 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 双Sigmoid复数连续Hopfield型神经网络盲检测算法 | 第36-49页 |
| 3.1 双Sigmoid复数连续Hopfield型神经网络 | 第36-37页 |
| 3.2 改进激活函数的复数连续HNN网络 | 第37-42页 |
| 3.2.1 具有新激活函数的Hopfield神经网络 | 第37-39页 |
| 3.2.2 CSHNN神经网络的稳定性证明 | 第39-42页 |
| 3.3 基于CSHNN网络的双Sigmoid型Hopfield神经网络 | 第42-43页 |
| 3.3.1 双Sigmoid激活函数的选择 | 第42-43页 |
| 3.3.2 CS-DSHNN网络的稳定性证明 | 第43页 |
| 3.4 仿真实验 | 第43-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 CS-DSHNN的网络参数对系统性能的影响分析 | 第49-59页 |
| 4.1 基于CS-DSHNN神经网络的参数研究 | 第49-51页 |
| 4.1.1 只改变一个参数对网络性能的影响分析 | 第50-51页 |
| 4.1.2 同时改变两个参数对网络性能的影响研究 | 第51页 |
| 4.2 仿真实验 | 第51-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文总结 | 第59-60页 |
| 5.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 附录2 攻读硕士学位期间申请的专利 | 第65-66页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |
