| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-16页 |
| ·人工神经网络的发展与应用 | 第12-13页 |
| ·课题完成的主要工作 | 第13-14页 |
| ·课题工作的关键技术 | 第14-16页 |
| ·提高网络训练收敛速度 | 第14页 |
| ·隐含层神经元数目的选定 | 第14-16页 |
| 第二章 细胞图像矩描述和纹理描述的计算 | 第16-24页 |
| ·一种矩描述的快速准确算法 | 第16-21页 |
| ·矩的定义 | 第16-17页 |
| ·基于边缘点计算矩特征的方法 | 第17-19页 |
| ·实验结果分析 | 第19-21页 |
| ·该算法实现思想的推广应用 | 第21页 |
| ·纹理描述的算法实现 | 第21-24页 |
| 第三章 前馈网络的反向传播算法 | 第24-32页 |
| ·反向传播算法网络的网络结构 | 第24-25页 |
| ·反向传播网络神经元模型 | 第24-25页 |
| ·反向传播网络网络结构 | 第25页 |
| ·反向传播算法 | 第25-29页 |
| ·网络的快速学习算法与选择 | 第29-30页 |
| ·反向传播算法网络推广能力的提高 | 第30-32页 |
| ·正则化方法 | 第30-31页 |
| ·提前停止法 | 第31-32页 |
| 第四章 基于Matlab的细胞图像的自动识别及分析 | 第32-42页 |
| ·基于带动量项梯度下降法的网络实现 | 第32-37页 |
| ·迭代算法 | 第32-33页 |
| ·步长的选择 | 第33-34页 |
| ·一般迭代法 | 第34页 |
| ·梯度下降法的不足 | 第34页 |
| ·带动量项的梯度下降法 | 第34-35页 |
| ·带动量项梯度下降网络基于Matlab的设计实现 | 第35-37页 |
| ·基于弹性反向传播算法的网络设计实现 | 第37-38页 |
| ·基于Levenberg-Marquardt算法的网络设计实现 | 第38-42页 |
| 第五章 基于VC~(++)平台的反向传播算法的设计及分析 | 第42-57页 |
| ·程序实现流程图 | 第42-43页 |
| ·网络数据结构的实现 | 第43-46页 |
| ·调用Matlab矩阵运算库 | 第43-45页 |
| ·使用结构体实现网络数据结构 | 第45-46页 |
| ·样本特征数据的处理 | 第46-49页 |
| ·样本特征数据的访问 | 第46-48页 |
| ·样本特征数据的归一化 | 第48-49页 |
| ·样本的增加和删除 | 第49页 |
| ·反向传播算法的C~(++)实现 | 第49-54页 |
| ·网络结构的创建及权值的初始化 | 第49-50页 |
| ·网络前向计算 | 第50-51页 |
| ·误差反向传播及权值的调整 | 第51-52页 |
| ·网络模型的保存 | 第52页 |
| ·训练误差控制 | 第52-54页 |
| ·实现结果分析 | 第54页 |
| ·课题的创新点 | 第54-55页 |
| ·应用ANN自动识别体液细胞图像 | 第54-55页 |
| ·提出了矩特征的一种快速准确算法 | 第55页 |
| ·尚待解决的问题 | 第55-57页 |
| ·图像点阵作为输入层输入 | 第56页 |
| ·自然梯度求解 | 第56-57页 |
| 结束语 | 第57-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 攻读硕士期间所发表论文 | 第63页 |
