| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 致谢 | 第11-17页 |
| 第1章 绪论 | 第17-25页 |
| ·引言 | 第17-18页 |
| ·二进神经网络模型 | 第18-20页 |
| ·神经元的数学模型 | 第18-19页 |
| ·二进前向神经网络结构 | 第19-20页 |
| ·二进神经网络基本理论 | 第20-22页 |
| ·线性可分概念和分类超平面 | 第20-21页 |
| ·感知器学习算法 | 第21-22页 |
| ·二进神经网络性能指标 | 第22页 |
| ·研究意义 | 第22-23页 |
| ·主要研究内容和贡献 | 第23页 |
| ·论文组织结构 | 第23-25页 |
| 第2章 二进神经网络相关研究工作分析 | 第25-41页 |
| ·引言 | 第25页 |
| ·线性可分结构系的相关研究 | 第25-36页 |
| ·已知的线性可分结构系 | 第26-27页 |
| ·线性可分结构系与二进神经元等价判别法 | 第27-30页 |
| ·线性可分结构系与二进神经元的覆盖问题 | 第30-36页 |
| ·二进神经网络实现布尔函数相关研究 | 第36-40页 |
| ·实现线性可分函数 | 第36页 |
| ·实现非线性可分函数 | 第36-38页 |
| ·实现奇偶校验问题 | 第38-40页 |
| ·隐层神经元数目上界 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第3章 汉明球突的线性可分性及其判别方法 | 第41-55页 |
| ·引言 | 第41页 |
| ·相关概念 | 第41-42页 |
| ·汉明球突及其判别法 | 第42-51页 |
| ·汉明球突的定义 | 第42-43页 |
| ·汉明球突是否线性可分的判别依据 | 第43-45页 |
| ·线性可分的汉明球突与二进神经元等价判别法 | 第45-51页 |
| ·举例分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第4章 二进神经网络中汉明球突的判定及其逻辑意义 | 第55-69页 |
| ·引言 | 第55-56页 |
| ·任意汉明球突的判定 | 第56-59页 |
| ·汉明球突的逻辑意义 | 第59-64页 |
| ·举例分析 | 第64-68页 |
| ·本章小节 | 第68-69页 |
| 第5章 基于蚁群算法的二进神经网络学习算法研究 | 第69-83页 |
| ·引言 | 第69-70页 |
| ·相关概念 | 第70-71页 |
| ·相关理论 | 第71-75页 |
| ·蚁群算法 | 第71-73页 |
| ·线性可分理论 | 第73-75页 |
| ·算法思想 | 第75-76页 |
| ·算法步骤 | 第76页 |
| ·算法收敛性分析 | 第76-80页 |
| ·数值试验 | 第80-82页 |
| ·结论 | 第82-83页 |
| 第6章 二进神经网络中的奇偶校验问题 | 第83-101页 |
| ·引言 | 第83页 |
| ·相关概念 | 第83-85页 |
| ·奇偶校验问题的二进神经网络学习算法 | 第85-95页 |
| ·相关理论 | 第85-86页 |
| ·算法思想 | 第86-88页 |
| ·算法步骤 | 第88-91页 |
| ·改进算法 | 第91-93页 |
| ·数值实验 | 第93-95页 |
| ·奇偶校验问题的隐元最小数目上界 | 第95-100页 |
| ·抑制神经元 | 第95-96页 |
| ·最多孤立样本结构与奇偶校验问题 | 第96-98页 |
| ·奇偶校验问题的逻辑表达式 | 第98-100页 |
| ·结论 | 第100页 |
| ·本章小结 | 第100-101页 |
| 第7章 基于二进神经网络的0/1分布系统可靠性分析 | 第101-115页 |
| ·引言 | 第101页 |
| ·二进神经网络与系统功能 | 第101-103页 |
| ·系统可靠性分析方法 | 第103-108页 |
| ·0/1分布的线性组合的概率分布函数 | 第103-105页 |
| ·简化布尔函数训练方法 | 第105-107页 |
| ·系统可靠性分析步骤 | 第107-108页 |
| ·实例验证 | 第108-113页 |
| ·本章小结 | 第113-115页 |
| 第8章 总结与展望 | 第115-119页 |
| ·全文总结 | 第115-116页 |
| ·本文的创新处 | 第116页 |
| ·未来研究展望 | 第116-119页 |
| 参考文献 | 第119-127页 |
| 攻读博士学位期间发表的论文和参加的科研项目 | 第127页 |