| 第一章 绪论 | 第1-16页 |
| 1．1 神经网络的发展与应用 | 第6-7页 |
| 1．2 神经网络的原理、结构和学习算法 | 第7-11页 |
| 1．3 Kanerva的稀疏分布存储器模型 | 第11-15页 |
| 1．3．1 SDM模型的层次结构 | 第12页 |
| 1．3．2 SDM的读写过程 | 第12-14页 |
| 1．3．3 SDM的特性 | 第14-15页 |
| 1．4 论文的研究内容 | 第15-16页 |
| 第二章 扩展SDM及相关模型 | 第16-27页 |
| 2．1 引言 | 第16页 |
| 2．2 回归SDM模型 | 第16-18页 |
| 2．2．1 矩阵A的设置 | 第16-18页 |
| 2．2．2 RSDM的写入和读取过程 | 第18页 |
| 2．3 General Regression Neural Networks（GRNN）模型 | 第18-19页 |
| 2．4 扩展SDM（ExSDM）模型 | 第19-27页 |
| 2．4．1 A矩阵的预置 | 第20-23页 |
| 2．4．2 C矩阵的学习规则 | 第23-27页 |
| 第三章 基于ExSDM的函数逼近及时间序列预测 | 第27-33页 |
| 3．1 引言 | 第27页 |
| 3．2 非线性函数逼近 | 第27-30页 |
| 3．3 时间序列预测 | 第30-33页 |
| 第四章 基于ExSDM的手写体数字识别 | 第33-42页 |
| 4．1 引言 | 第33-34页 |
| 4．2 手写体数字图像的预处理 | 第34-35页 |
| 4．3 基于结构分析的特征提取 | 第35-38页 |
| 4．4 基于全局分析的特征提取 | 第38-40页 |
| 4．5 实验及结果讨论 | 第40-42页 |
| 第五章 结论与展望 | 第42-44页 |
| 5．1 总结 | 第42页 |
| 5．2 展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 在校期间发表的论文 | 第45-46页 |
| 参考文献 | 第46-47页 |