| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·神经网络技术的研究热潮 | 第9页 |
| ·BP 神经网络在学习和应用中遇到的困难 | 第9-10页 |
| ·研究现状和存在的问题 | 第10-11页 |
| ·研究意义及本论文的研究内容 | 第11-13页 |
| 2 BP 神经网络 | 第13-33页 |
| ·人工神经网络 | 第13-22页 |
| ·人工神经网络概述 | 第13-14页 |
| ·人工神经网络的发展 | 第14-15页 |
| ·生物神经元 | 第15-17页 |
| ·人工神经元及其特性 | 第17-19页 |
| ·人工神经网络模型 | 第19-21页 |
| ·人工神经网络的学习 | 第21-22页 |
| ·前向神经网络 | 第22-24页 |
| ·前向神经网络概述 | 第22-23页 |
| ·前向神经网络的学习方式和学习规则 | 第23-24页 |
| ·BP 算法 | 第24-30页 |
| ·BP 算法的原理 | 第24-25页 |
| ·BP 算法的数学表达 | 第25-27页 |
| ·BP 算法的执行步骤 | 第27-29页 |
| ·BP 算法的缺点及改进 | 第29-30页 |
| ·BP 神经网络的泛化能力 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于 BP 神经网络训练样本的优化 | 第33-38页 |
| ·引言 | 第33页 |
| ·对训练样本优化的实现 | 第33-35页 |
| ·因子分析 | 第33-34页 |
| ·聚类分析 | 第34-35页 |
| ·对训练样本优化的实现步骤 | 第35页 |
| ·应用实例 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于局部权值阈值调整的 BP 算法 | 第38-47页 |
| ·基于局部权值阈值调整算法的改进思想 | 第38页 |
| ·改进的BP 算法 | 第38-42页 |
| ·改进算法描述 | 第38-39页 |
| ·距离和相似性系数 | 第39-41页 |
| ·改进算法的训练过程 | 第41-42页 |
| ·讨论 | 第42页 |
| ·仿真实验 | 第42-46页 |
| ·函数逼近的例子 | 第42-44页 |
| ·三分类的例子 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·存在的问题与展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 附:作者在攻读硕士学位期间发表的论文目录、科研情况 | 第53页 |