| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究的背景和现状 | 第7-8页 |
| ·课题研究的意义 | 第8-9页 |
| ·本文的主要内容和成果 | 第9页 |
| ·本文的组织结构 | 第9-11页 |
| 第二章 人工神经网络的基础 | 第11-17页 |
| ·神经网络的定义 | 第11页 |
| ·神经元模型 | 第11-14页 |
| ·生物神经元模型 | 第11-12页 |
| ·人工神经元模型 | 第12-14页 |
| ·神经网络常用模型及其优缺点 | 第14-15页 |
| ·人工神经网络与人工智能的区别 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 复变权函数神经网络算法 | 第17-45页 |
| ·当前主要的几种神经网络算法 | 第17-23页 |
| ·BP 算法 | 第17-20页 |
| ·RBF 算法 | 第20-22页 |
| ·复数前馈神经网络基础 | 第22-23页 |
| ·权函数神经网络的理论基础 | 第23-25页 |
| ·复变权函数神经网络算法 | 第25-37页 |
| ·复Lagrange 插值函数及Fejér 插值基点 | 第25-27页 |
| ·复平面闭区域上多项式逼近阶 | 第27-28页 |
| ·复变权函数神经网络的拓扑结构 | 第28-31页 |
| ·复Lagrange 插值权函数的确定 | 第31-32页 |
| ·复变权函数神经网络的误差分析 | 第32-37页 |
| ·复变权函数神经网络实验分析 | 第37-44页 |
| ·实验环境介绍及网络结构 | 第37页 |
| ·实验过程与结果分析 | 第37-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 复变权函数神经网络在FIR 设计中的应用 | 第45-59页 |
| ·数字滤波器基础 | 第45-48页 |
| ·数字滤波器结构特点 | 第45-46页 |
| ·数字滤波器分类 | 第46-47页 |
| ·数字滤波器设计指标 | 第47-48页 |
| ·FIR 数字滤波器 | 第48-55页 |
| ·FIR 滤波器的实现结构 | 第48-51页 |
| ·线性相位FIR 滤波器的特点 | 第51-54页 |
| ·FIR 滤波器的设计方法 | 第54页 |
| ·FIR 滤波器的神经网络设计方法 | 第54-55页 |
| ·复变权函数神经网络在FIR 滤波器数据中的应用基础 | 第55-58页 |
| ·复变权函数神经网络FIR 滤波器设计 | 第55-56页 |
| ·仿真模拟实验结果及分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-60页 |
| ·总结 | 第59页 |
| ·展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士研究生期间发表的论文 | 第65页 |