面向区间分析的神经网络算法及应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 前言 | 第9-12页 |
| 第一章 人工神经网络 | 第12-21页 |
| ·人工神经网络发展简史 | 第12-13页 |
| ·人工神经网络模型 | 第13-16页 |
| ·生物神经元模型 | 第13-14页 |
| ·人工神经元模型 | 第14-16页 |
| ·人工神经网络的分类及学习规则 | 第16-18页 |
| ·人工神经网络的分类 | 第16-17页 |
| ·神经网络学习规则 | 第17-18页 |
| ·BP 神经网络基本原理 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第二章 区间算法及其性质 | 第21-30页 |
| ·实数的区间表达与区间运算 | 第21-23页 |
| ·区间向量和区间矩阵 | 第23-24页 |
| ·函数的区间扩展 | 第24-27页 |
| ·单变元多项式的区间扩展 | 第25-26页 |
| ·多变元多项式的区间扩展 | 第26-27页 |
| ·区间牛顿算法 | 第27-29页 |
| ·单变元区间牛顿法 | 第27-28页 |
| ·多变元区间牛顿法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 面向区间分析的神经网络算法 | 第30-36页 |
| ·算法的由来 | 第30页 |
| ·改进的神经网络求根器 | 第30-32页 |
| ·数值优化方法 | 第32-33页 |
| ·区间优化方法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 算法的并行实现 | 第36-43页 |
| ·GPU 简介 | 第36-37页 |
| ·GPU 上的并行运算 | 第37-38页 |
| ·累加和运算 | 第37-38页 |
| ·矩阵运算 | 第38页 |
| ·GPU 通用计算模式 | 第38-39页 |
| ·GPU 的并行优化技术 | 第39-40页 |
| ·神经网络算法在GPU 上的实现 | 第40-41页 |
| ·实例与效果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 发表文章目录 | 第47-48页 |
| 致谢 | 第48-50页 |
| 详细摘要 | 第50-53页 |
