| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 传统神经网络 | 第11-12页 |
| 1.2.2 分数阶神经网络 | 第12-13页 |
| 1.3 本文的研究内容及结构安排 | 第13-15页 |
| 第2章 预备知识 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 分数阶微积分理论 | 第15-17页 |
| 2.2.1 主要定义 | 第15-16页 |
| 2.2.2 主要性质 | 第16-17页 |
| 2.3 分数阶自适应学习算法(FAL法)—分数阶最速下降法 | 第17-18页 |
| 2.4 人工神经网络 | 第18-23页 |
| 2.4.1 神经网络结构 | 第19-21页 |
| 2.4.2 单隐层前馈神经网络 | 第21-23页 |
| 2.5 BP算法 | 第23-27页 |
| 2.5.1 BP算法描述 | 第24-26页 |
| 2.5.2 BP算法流程 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 FAL-BP算法 | 第29-42页 |
| 3.1 引言 | 第29页 |
| 3.2 算法设计 | 第29-33页 |
| 3.3 主要结论 | 第33-34页 |
| 3.4 理论证明 | 第34-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 FAL-BP算法数值模拟研究 | 第42-51页 |
| 4.1 引言 | 第42页 |
| 4.2 实验设置 | 第42-43页 |
| 4.3 三种定义下FAL-BP算法性能比较 | 第43-45页 |
| 4.4 FAL-BP算法与整数阶BP算法对比实验 | 第45-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间取得的学术成果 | 第56-57页 |
| 致谢 | 第57页 |