| 第一章 绪论 | 第6-10页 |
| 1.1 人工神经网络的发展及现状 | 第6页 |
| 1.2 人工神经网络地学应用概述 | 第6-9页 |
| 1.3 本论文研究的问题 | 第9-10页 |
| 第二章 人工神经网络模型简介 | 第10-18页 |
| 2.1 人工神经网络的简介 | 第10-11页 |
| 2.2 BP网络模型 | 第11-14页 |
| 2.2.1 BP网简介 | 第11-12页 |
| 2.2.2 BP网络拓扑结构 | 第12页 |
| 2.2.3 BP网络的工作原理及过程 | 第12-13页 |
| 2.2.4 BP算法流程 | 第13-14页 |
| 2.3 Hopfield网络模型 | 第14-15页 |
| 2.3.1 Hopfield网络简介 | 第14页 |
| 2.3.2 离散型Hopfield网络拓扑结构 | 第14页 |
| 2.3.3 网络的工作原理及过程 | 第14-15页 |
| 2.3.4 网络权值的学习规则 | 第15页 |
| 2.4 Kohonen网络模型 | 第15-18页 |
| 2.4.1 自组织竞争神经网络简介 | 第15-16页 |
| 2.4.2 Kohonen网络拓扑结构 | 第16-17页 |
| 2.4.3 Kohonen网的工作原理及过程 | 第17页 |
| 2.4.4 网络权值的学习规则 | 第17-18页 |
| 第三章 基于弹性BP算法的BP网设计与实现 | 第18-29页 |
| 3.1 BP网络结构的设计 | 第18-19页 |
| 3.2 BP网的实现过程 | 第19-27页 |
| 3.2.1 网络初始化及数据定义 | 第19-22页 |
| 3.2.2 BP网络学习公式推导 | 第22-24页 |
| 3.2.3 采用弹性BP算法计算权值W、偏差b的修正值ΔW，Δb | 第24-26页 |
| 3.2.4 计算修正权值W、偏差b | 第26页 |
| 3.2.5 BP网络学习成功结束条件 | 第26-27页 |
| 3.3 BP网的优化 | 第27-28页 |
| 3.4 BP网络应用预测的实现 | 第28-29页 |
| 第四章 Hopfield网设计与实现 | 第29-36页 |
| 4.1 Hopfield网结构的设计 | 第29页 |
| 4.2 Hopfield网的学习规则-权值的正交化 | 第29-33页 |
| 4.2.1 正交化权值的计算公式的推导 | 第30-31页 |
| 4.2.2 样本的收敛性证明 | 第31-33页 |
| 4.3 Hopfield网络学习的实现 | 第33-35页 |
| 4.4 Hopfield网预测应用的实现 | 第35-36页 |
| 第五章 Kohonen网设计与实现 | 第36-42页 |
| 5.1 Kohonen网结构的设计 | 第36页 |
| 5.2 Kohonen网的学习规则-自组织竞争法 | 第36-39页 |
| 5.3 Kohonen网学习的总体算法 | 第39-40页 |
| 5.4 Kohonen网预测总体算法 | 第40-42页 |
| 第六章 成矿预测BP网络的实现 | 第42-50页 |
| 6.1 成矿预测BP网络模型 | 第42-43页 |
| 6.1.1 BP模型设计 | 第42-43页 |
| 6.1.2 BP模型运算 | 第43页 |
| 6.2 成矿预测BP模型的实现 | 第43-50页 |
| 6.2.1 BP算法的主要参数 | 第44页 |
| 6.2.2 BP算法的实现函数 | 第44-50页 |
| 第七章 全文总结 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 发表论文及参加项目 | 第56-57页 |
| 致谢 | 第57-58页 |
| 摘要 | 第58-60页 |
| Abstract | 第60页 |