| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的研究背景与意义 | 第8-10页 |
| 1.2 本文的主要研究内容 | 第10页 |
| 1.3 论文内容安排 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 神经网络基础与复杂度知识介绍 | 第12-24页 |
| 2.1 生物神经网络 | 第12-13页 |
| 2.1.1 生物神经元 | 第12-13页 |
| 2.1.2 生物神经网络系统 | 第13页 |
| 2.2 人工神经网络 | 第13-16页 |
| 2.2.1 人工神经元模型 | 第13-14页 |
| 2.2.2 神经网络模型 | 第14-15页 |
| 2.2.3 人工神经网络学习规则 | 第15-16页 |
| 2.3 典型人工神经网络 | 第16-19页 |
| 2.3.1 BP 神经网络 | 第16-18页 |
| 2.3.2 RBF 神经网络 | 第18-19页 |
| 2.4 权函数神经网络 | 第19-22页 |
| 2.4.1 权函数神经网络基础知识 | 第19-21页 |
| 2.4.2 权函数神经网络的拓扑结构 | 第21-22页 |
| 2.5 算法复杂度概述 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 第二类正交(张量)权函数神经网络的算法复杂度研究 | 第24-48页 |
| 3.1 第二类正交权函数神经网络拓扑结构 | 第24-25页 |
| 3.2 第二类正交权函数神经网络学习算法 | 第25-30页 |
| 3.3 第二类正交权函数神经网络误差分析 | 第30-32页 |
| 3.4 第二类正交权函数神经网络的时间复杂度分析 | 第32-37页 |
| 3.5 第二类正交(张量)权函数神经网络初步研究 | 第37-44页 |
| 3.5.1 张量(Tensor)概念 | 第37-40页 |
| 3.5.2 基于张量坐标变换的奇异样本解决方法初步研究 | 第40-44页 |
| 3.6 复杂度实验 | 第44-47页 |
| 3.6.1 实验环境 | 第44页 |
| 3.6.2 实验过程与结果 | 第44-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 第二类正交权函数神经网络在语音识别中的应用 | 第48-64页 |
| 4.1 语音识别的背景及发展 | 第48-49页 |
| 4.2 语音识别系统的分类 | 第49-50页 |
| 4.3 语音识别原理 | 第50-55页 |
| 4.3.1 预处理 | 第50-51页 |
| 4.3.2 语音识别特征提取 | 第51-54页 |
| 4.3.3 语音识别方法 | 第54页 |
| 4.3.4 语音特征信号识别 | 第54-55页 |
| 4.4 语音识别中存在的问题 | 第55-56页 |
| 4.5 数据选择与归一化 | 第56-58页 |
| 4.6 第二类正交权函数神经网络在语音特征信号识别中的应用 | 第58-63页 |
| 4.6.1 数据分类模型 | 第58页 |
| 4.6.2 仿真实验和结果分析 | 第58-63页 |
| 4.7 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 附录1 程序清单 | 第68-69页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 致谢 | 第70页 |
