| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-27页 |
| ·人工神经网络概述 | 第9-17页 |
| ·大脑神经元网络 | 第9页 |
| ·人工神经元的数理模型 | 第9-11页 |
| ·人工神经网络的互连模式 | 第11-13页 |
| ·人工神经网络的学习规则和算法 | 第13-16页 |
| ·人工神经网络的特点 | 第16-17页 |
| ·人工神经网络的发展历史 | 第17-20页 |
| ·双权值神经元简介 | 第20-25页 |
| ·双权值神经元的提出 | 第20-22页 |
| ·双权值神经元及其特性 | 第22-25页 |
| ·论文主要工作及内容安排 | 第25-27页 |
| 第二章 神经网络函数逼近 | 第27-45页 |
| ·函数逼近简介 | 第27-29页 |
| ·函数逼近的概念 | 第27-28页 |
| ·函数逼近的常用方法和工具 | 第28-29页 |
| ·函数逼近的现实意义 | 第29页 |
| ·神经网络函数逼近 | 第29-32页 |
| ·神经网络函数逼近的产生和发展 | 第30-31页 |
| ·神经网络函数逼近的优势 | 第31-32页 |
| ·前馈网络的函数逼近能力 | 第32-44页 |
| ·前馈网络函数逼近的预备知识 | 第32-36页 |
| ·三层前馈型网络逼近定理 | 第36-43页 |
| ·单层双权值神经网络函数逼近 | 第43-44页 |
| ·结论 | 第44-45页 |
| 第三章 基于算子的双权值神经网络非线性映射逼近研究 | 第45-55页 |
| ·引言 | 第45页 |
| ·可局部化映射及可局部化引理 | 第45-48页 |
| ·基于算子的双权值神经网络结构 | 第48-50页 |
| ·非线性映射逼近定理 | 第50-52页 |
| ·一种逼近算法及其误差分析 | 第52-54页 |
| ·结论 | 第54-55页 |
| 第四章 双权值神经网络在混沌时序预测中的应用 | 第55-67页 |
| ·引言 | 第55页 |
| ·试验背景与实现 | 第55-58页 |
| ·试验结果 | 第58-63页 |
| ·讨论 | 第63-65页 |
| ·结论 | 第65-67页 |
| 第五章 总结 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表的学术论文 | 第77页 |