| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-22页 |
| ·神经网络概述 | 第8-11页 |
| ·神经元模型 | 第8-9页 |
| ·神经网络的学习 | 第9-11页 |
| ·神经网络的共同特征 | 第11页 |
| ·前馈神经网络 | 第11-13页 |
| ·网络结构及算法 | 第11-12页 |
| ·BP算法的批处理和在线运行 | 第12-13页 |
| ·递归神经网络 | 第13-21页 |
| ·递归网络的基本结构 | 第14-16页 |
| ·递归网络的算法 | 第16-21页 |
| ·本文的主要工作 | 第21-22页 |
| 2 带惩罚项的递归神经网络梯度下降法的收敛性 | 第22-36页 |
| ·惩罚项简介 | 第22-25页 |
| ·网络结构及算法 | 第25-27页 |
| ·权值w~m的无界性 | 第27-29页 |
| ·带惩罚项的误差函数 | 第29-30页 |
| ·收敛性和有界性 | 第30-33页 |
| ·实验结果 | 第33-36页 |
| 3 递归神经网络在线梯度法的收敛性 | 第36-52页 |
| ·递归网络在线学习公式 | 第36-37页 |
| ·预备引理 | 第37-43页 |
| ·主要结果 | 第43-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 攻读硕士学位期间学术论文完成情况 | 第56-58页 |
| 致谢 | 第58-60页 |