基于可拓的分类神经网络研究及其应用
| 第1章 绪论 | 第1-15页 |
| 1．1 可拓学的发展 | 第9-10页 |
| 1．2 神经网络的发展与现状 | 第10-13页 |
| 1．3 可拓学和神经网络的结合可能性 | 第13-14页 |
| 1．4 本文的内容安排 | 第14-15页 |
| 第2章 可拓学基本理论 | 第15-26页 |
| 2．1 可拓元 | 第15-19页 |
| 2．1．1 物元概念 | 第15-17页 |
| 2．1．2 事元概念 | 第17页 |
| 2．1．3 关系元概念 | 第17-19页 |
| 2．1．4 复合元概念 | 第19页 |
| 2．2 可拓变换 | 第19-20页 |
| 2．3 可拓集合与关联函数 | 第20-26页 |
| 2．3．1 可拓集合 | 第20-22页 |
| 2．3．2 关联函数 | 第22-26页 |
| 第3章 神经网络理论及算法 | 第26-35页 |
| 3．1 神经元 | 第26-27页 |
| 3．2 神经元模型 | 第27-28页 |
| 3．2．1 单输入神经元 | 第27页 |
| 3．2．2 多输入神经元 | 第27-28页 |
| 3．3 转移函数 | 第28-29页 |
| 3．4 神经网络的基本模型 | 第29-31页 |
| 3．4．1 层间神经网络 | 第30-31页 |
| 3．5 神经网络常见算法中权重的调整 | 第31-33页 |
| 3．6 神经网络优点及其缺点 | 第33-35页 |
| 第4章 基于可拓的分类神经网络及其应用 | 第35-48页 |
| 4．1 可拓分类神经网络实现的可能性 | 第35-36页 |
| 4．2 可拓神经元 | 第36-38页 |
| 4．3 第一型可拓分类神经网络模型 | 第38-42页 |
| 4．3．1 第一型可拓分类神经网络结构 | 第38-39页 |
| 4．3．2 基于第一型可拓分类神经网络的算法 | 第39-40页 |
| 4．3．3 第一型可拓分类神经网络的应用 | 第40-42页 |
| 4．4 第二型可拓分类神经网络模型 | 第42-48页 |
| 4．4．1 第二型可拓分类神经网络的结构 | 第43页 |
| 4．4．2 第二型可拓分类神经网络的学习过程 | 第43-46页 |
| 4．4．3 第二型可拓分类神经网络的运行阶段 | 第46页 |
| 4．4．4 第二型可拓分类神经网络的应用 | 第46-48页 |
| 第5章 结论 | 第48-49页 |
| 5．1 本文的主要工作 | 第48页 |
| 5．2 本文研究存在的问题 | 第48页 |
| 5．3 有待进一步研究的问题 | 第48-49页 |
| 攻读学位期间公开发表的论文 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-59页 |
| 研究生履历 | 第59页 |
