| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-6页 |
| 第一章 绪论 | 第6-17页 |
| §1．1 人工神经网络的背景 | 第6-8页 |
| §1．2 误差逆传播神经网络结构简介 | 第8-11页 |
| §1．3 图像编码的背景 | 第11-12页 |
| §1．4 静态图像编码的现代方法 | 第12-16页 |
| §1．5 本文的工作简介 | 第16-17页 |
| 第二章 基于相对误差平方和的BP算法 | 第17-24页 |
| §2．1 基于相对误差的BP算法网络能量函数的导出 | 第17-19页 |
| §2．2 基于相对误差的BP算法数学推导 | 第19-21页 |
| §2．3 应用实例及比较 | 第21-23页 |
| §2．4 小结 | 第23-24页 |
| 第三章 基于累积误差的BP网络快速训练算法 | 第24-32页 |
| §3．1 基于累积误差的梯形下降法 | 第25-27页 |
| §3．2 学习速率的自适应调整方案 | 第27-29页 |
| §3．3 应用实例 | 第29-31页 |
| §3．4 小结 | 第31-32页 |
| 第四章 基于新型二层误差逆传播网络的图像编码 | 第32-40页 |
| §4．1 新型二层误差逆传播网络结构的引入 | 第33-34页 |
| §4．2 新型二层误差逆传播算法的数学推导 | 第34-36页 |
| §4．3 网络学习的具体步骤 | 第36-38页 |
| §4．4 基于新型二层误差逆传播网络的图像压缩 | 第38-39页 |
| §4．5 小结 | 第39-40页 |
| 第五章 基于新型三层误差逆传播网络的图像编码 | 第40-48页 |
| §5．1 新型三层误差逆传播网络结构的引入 | 第40-41页 |
| §5．2 新型三层误差逆传播算法的数学推导 | 第41-44页 |
| §5．3 网络学习的具体步骤 | 第44-46页 |
| §5．4 基于新型三层误差逆传播网络的图像压缩 | 第46-47页 |
| §5．5 小结 | 第47-48页 |
| 第六章 结束语与展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-51页 |