广义同余神经网络研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 符号说明 | 第8-9页 |
| 第1章 绪论 | 第9-17页 |
| ·神经网络的产生与发展 | 第9-11页 |
| ·神经网络的概念 | 第11-12页 |
| ·神经网络研究的重要性 | 第12-13页 |
| ·BP网络的一些问题 | 第13-14页 |
| ·本文的工作 | 第14-17页 |
| 第2章 改进的广义同余神经网络(GCNN) | 第17-25页 |
| ·激励函数国际研究现状 | 第17-18页 |
| ·改进的广义同余神经网络 | 第18-23页 |
| ·广义同余神经元 | 第19-20页 |
| ·改进的广义同余函数 | 第20-22页 |
| ·网络结构 | 第22-23页 |
| ·GCNN的一致逼近能力 | 第23-25页 |
| 第3章 GCNN学习算法 | 第25-45页 |
| ·GCNN已有学习算法简介 | 第25页 |
| ·两种新的学习算法 | 第25-29页 |
| ·改进的GCNNBP学习算法 | 第25-27页 |
| ·LargeMargin学习算法 | 第27-29页 |
| ·改进的GCNNBP学习算法分析 | 第29-45页 |
| ·时间复杂度分析 | 第29-30页 |
| ·收敛性分析 | 第30-37页 |
| ·快速收敛分析 | 第37-45页 |
| 第4章 实验测试 | 第45-52页 |
| ·异或问题 | 第45页 |
| ·N位奇偶校验问题 | 第45-47页 |
| ·双螺旋问题 | 第47-49页 |
| ·函数逼近问题 | 第49-52页 |
| ·一元函数逼近 | 第49-50页 |
| ·二元函数逼近 | 第50-52页 |
| 第5章 基于GCNN的邮件过滤 | 第52-61页 |
| ·邮件过滤问题简介 | 第52-53页 |
| ·邮件过滤国际研究现状 | 第53-55页 |
| ·邮件过滤系统设计 | 第55-56页 |
| ·预处理 | 第55-56页 |
| ·过滤器 | 第56页 |
| ·实验结果及分析 | 第56-60页 |
| ·语料 | 第56-57页 |
| ·性能评价 | 第57页 |
| ·实验结果 | 第57-60页 |
| ·总结与展望 | 第60-61页 |
| 第6章 结束语 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-75页 |
| 攻读硕士学位期间发表的论文与科研项目 | 第75页 |
