| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题背景 | 第9-11页 |
| 1.2 国内外的研究进展 | 第11-12页 |
| 1.3 研究环境 | 第12-14页 |
| 1.3.1 神经网络训练环境 | 第12-13页 |
| 1.3.2 三维电磁仿真 | 第13页 |
| 1.3.3 Windows HPC Server 2008 | 第13-14页 |
| 1.4 研究内容及结构安排 | 第14-16页 |
| 第二章 人工神经网络建模 | 第16-29页 |
| 2.1 神经网络基础 | 第16-17页 |
| 2.2 多层感知神经网络（MLP） | 第17-20页 |
| 2.3 神经网络建模定义 | 第20-21页 |
| 2.4 神经网络建模要点 | 第21-26页 |
| 2.4.1 数据产生 | 第21-22页 |
| 2.4.2 输入参数的范围和分布 | 第22-23页 |
| 2.4.3 神经网络的过学习和欠学习 | 第23-24页 |
| 2.4.4 神经网络训练 | 第24-26页 |
| 2.5 神经网络训练算法 | 第26-28页 |
| 2.5.1 BP算法 | 第26页 |
| 2.5.2 拟牛顿法 | 第26-27页 |
| 2.5.3 共轭梯度法 | 第27页 |
| 2.5.4 单纯形表法 | 第27页 |
| 2.5.5 全局优化算法 | 第27-28页 |
| 2.5.6 分解优化训练算法 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 并行计算 | 第29-42页 |
| 3.1 并行计算概念 | 第29-30页 |
| 3.2 并行计算的发展 | 第30页 |
| 3.3 并行计算机体系结构 | 第30-36页 |
| 3.3.1 弗林分类法 | 第31-32页 |
| 3.3.2 互连网络 | 第32页 |
| 3.3.3 并行计算机访存模型 | 第32-34页 |
| 3.3.4 并行计算机结构模型 | 第34-36页 |
| 3.4 并行程序设计 | 第36-38页 |
| 3.4.1 并行程序开发 | 第36-38页 |
| 3.4.2 管理者-工人模式 | 第38页 |
| 3.5 并行算法设计 | 第38-41页 |
| 3.5.1 划分 | 第39-40页 |
| 3.5.2 通信 | 第40页 |
| 3.5.3 聚集 | 第40页 |
| 3.5.4 映射 | 第40-41页 |
| 3.6 Windows HPC工作站集群搭建 | 第41页 |
| 3.7 本章总结 | 第41-42页 |
| 第四章 神经网络并行建模技术 | 第42-51页 |
| 4.1 神经网络建模遇到的问题 | 第42-43页 |
| 4.2 神经网络建模并行解决方案 | 第43-45页 |
| 4.3 电磁场数据的并行产生 | 第45-47页 |
| 4.3.1 数据并行产生定义 | 第46-47页 |
| 4.3.2 数据并行产生性能评价 | 第47页 |
| 4.4 神经网络并行训练 | 第47-50页 |
| 4.4.1 神经网络并行训练定义 | 第48-49页 |
| 4.4.2 神经网络并行训练性能评价 | 第49-50页 |
| 4.5 讨论 | 第50页 |
| 4.6 本章总结 | 第50-51页 |
| 第五章 神经网络并行建模实例 | 第51-58页 |
| 5.1 实验环境介绍 | 第51页 |
| 5.2 仿真器个数确定 | 第51-52页 |
| 5.3 微带线带阻滤波器 | 第52-54页 |
| 5.3.1 数据的并行产生 | 第53页 |
| 5.3.2 神经网络并行训练 | 第53-54页 |
| 5.4 高温超导微带线带通滤波器 | 第54-57页 |
| 5.4.1 数据的并行产生 | 第55-56页 |
| 5.4.2 神经网络并行训练 | 第56-57页 |
| 5.5 讨论 | 第57页 |
| 5.6 本章总结 | 第57-58页 |
| 第六章 总结 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 发表论文和参加科研情况说明 | 第64-65页 |
| 致谢 | 第65-66页 |