| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·主要研究内容与论文组织结构 | 第11-12页 |
| ·主要研究内容 | 第11页 |
| ·论文组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第2章 相关知识 | 第13-22页 |
| ·多层感知器 | 第13-16页 |
| ·网络结构 | 第13-14页 |
| ·学习算法 | 第14-15页 |
| ·收敛理论 | 第15-16页 |
| ·径向基函数神经网络 | 第16-19页 |
| ·网络结构 | 第16-17页 |
| ·学习算法 | 第17-18页 |
| ·收敛理论 | 第18-19页 |
| ·相关熵 | 第19-20页 |
| ·负相关学习 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于二次 Renyi 熵的神经网络集成 | 第22-29页 |
| ·基于 Shannon 熵的神经网络集成 | 第22-23页 |
| ·基于二次 Renyi 熵的神经网络集成 | 第23-26页 |
| ·数学模型 | 第23-25页 |
| ·算法描述 | 第25-26页 |
| ·实验结果 | 第26-28页 |
| ·人工数据集 | 第26-27页 |
| ·标准数据集 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 基于改进负相关学习的径向基函数神经网络选择性集成 | 第29-37页 |
| ·基于改进负相关学习的径向基函数神经网络选择性集成 | 第29-32页 |
| ·实验结果 | 第32-36页 |
| ·人工数据集 | 第32-35页 |
| ·标准数据集 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 总结与展望 | 第37-39页 |
| ·全文总结 | 第37页 |
| ·工作展望 | 第37-39页 |
| 参考文献 | 第39-42页 |
| 致谢 | 第42-43页 |
| 攻读学位期间取得的科研成果 | 第43页 |