人工神经网络在吸毒者脉象信号识别中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-17页 |
| ·课题研究的目的及意义 | 第9-10页 |
| ·脉象信号的分析 | 第10-13页 |
| ·神经网络的发展及国内外研究现状 | 第13-16页 |
| ·本论文的研究工作 | 第16-17页 |
| 2 神经网络的基本概念和基础理论 | 第17-28页 |
| ·人工神经网络的特征 | 第17-18页 |
| ·生物神经元简介 | 第18-19页 |
| ·人工神经元模型和网络结构 | 第19-25页 |
| ·单输入神经元 | 第19-20页 |
| ·传输函数 | 第20-21页 |
| ·多输入神经元 | 第21-23页 |
| ·网络结构 | 第23-25页 |
| ·人工神经网络的分类 | 第25-26页 |
| ·人工神经网络的学习算法 | 第26-28页 |
| 3 脉象信号的基本概念及其采集和选取 | 第28-31页 |
| ·脉象信号的基本概念 | 第28-29页 |
| ·脉博波的形成 | 第28-29页 |
| ·分析吸毒者脉象信号的意义 | 第29页 |
| ·脉象信号的采集与脉波的选取 | 第29-31页 |
| ·脉象信号的采集 | 第29-30页 |
| ·脉波的选取 | 第30-31页 |
| 4 自组织神经网络及其对脉象信号的分析 | 第31-60页 |
| ·自组织竞争网络 | 第31-36页 |
| ·Hamming 网络 | 第31-33页 |
| ·竞争层网络 | 第33-36页 |
| ·自组织特征映射神经网络 | 第36-42页 |
| ·自组织特征映射网络的结构 | 第37-38页 |
| ·自组织特征映射的算法 | 第38-41页 |
| ·自组织特征映射学习在分类上的分析 | 第41-42页 |
| ·学习向量量化网络 | 第42-45页 |
| ·结构自适应神经网络 | 第45-54页 |
| ·结构自适应神经网络概述及算法 | 第45-47页 |
| ·结构自适应神经网络算法的改进 | 第47-52页 |
| ·结构自适应神经网络算法的总体流程 | 第52-53页 |
| ·结构自适应神经网络算法小结 | 第53-54页 |
| ·利用自组织神经网络分析脉象信号 | 第54-59页 |
| ·利用自组织竞争网络分析脉象信号 | 第55-56页 |
| ·利用自组织特征映射网络分析脉象信号 | 第56-57页 |
| ·利用学习矢量量化网络分析脉象信号 | 第57-59页 |
| ·结论 | 第59-60页 |
| 5 概率神经网络及其对脉象信号的分析 | 第60-67页 |
| ·统计模式分类 | 第60-64页 |
| ·贝叶斯定理 | 第60-61页 |
| ·参数方法 | 第61-62页 |
| ·非参数方法 | 第62页 |
| ·混合模型 | 第62-63页 |
| ·高斯混合模型 | 第63-64页 |
| ·概率神经网络 | 第64-65页 |
| ·利用概率神经网络分析脉象信号 | 第65-67页 |
| 6 结论 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72页 |
