| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题背景 | 第11-16页 |
| ·GSM 网络简介 | 第11-12页 |
| ·GSM 网络优化 | 第12-16页 |
| ·研究内容及结论 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 第2章 神经网络的基本概念 | 第18-27页 |
| ·神经网络原理及特点 | 第18-19页 |
| ·人工神经元模型 | 第19-20页 |
| ·神经网络的结构及工作方式 | 第20-23页 |
| ·神经网络的学习 | 第21-22页 |
| ·神经网络的种类 | 第22-23页 |
| ·自组织特征映射网络简介 | 第23-27页 |
| 第3章 基于SOFM 网络的GSM MR 优化应用 | 第27-45页 |
| ·GSM MR | 第27-39页 |
| ·MR 简介及其数据结构 | 第27-37页 |
| ·MR 数据应用场景 | 第37-39页 |
| ·基于SOFM 神经网络的MR 应用设计 | 第39-45页 |
| ·应用目标 | 第39页 |
| ·可行性分析 | 第39-42页 |
| ·数据预处理 | 第42-43页 |
| ·数据导入导出 | 第43-45页 |
| 第4章 实验及结果分析 | 第45-54页 |
| ·神经网络设计、训练和仿真 | 第45-48页 |
| ·神经网络设计 | 第45-46页 |
| ·网络训练与仿真 | 第46-48页 |
| ·典型价值说明及推广设想 | 第48-49页 |
| ·应用效果分析 | 第49-54页 |
| ·训练次数的讨论 | 第49-51页 |
| ·分类数量的讨论 | 第51-52页 |
| ·聚类稳定性的讨论 | 第52-54页 |
| 第5章 结论与展望 | 第54-55页 |
| ·结论 | 第54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |