| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-17页 |
| ·背景和意义 | 第13-15页 |
| ·研究目标与研究内容 | 第15-17页 |
| 第二章 自适应共振理论 1 (ART1) | 第17-33页 |
| ·引言 | 第17页 |
| ·基本概念与数学基础 | 第17-23页 |
| ·分流（Shunting）模型 | 第17-18页 |
| ·中心激励横向抑制（On-Center Off-Surround） | 第18-20页 |
| ·内星（Instar）学习规则 | 第20-21页 |
| ·外星（Outstar）学习规则 | 第21-23页 |
| ·ART1 架构原理 | 第23-29页 |
| ·概述 | 第23-24页 |
| ·比较层 F1 及识别层 F2 的数学运算 | 第24-26页 |
| ·长时记忆 | 第26-27页 |
| ·决策系统 | 第27页 |
| ·超集/子集两难与 Weber 修正 | 第27-29页 |
| ·标准模板的稳定性 | 第29-31页 |
| ·小结 | 第31-33页 |
| 第三章 自适应共振理论 2 (ART2) | 第33-42页 |
| ·ART2 简介 | 第33-37页 |
| ·基本架构 | 第33-34页 |
| ·F1 层的运算规则 | 第34-35页 |
| ·F2 层的运算规则 | 第35页 |
| ·长时记忆的学习 | 第35-36页 |
| ·相似性定义 | 第36-37页 |
| ·应用 ART2 的错误检测 | 第37-40页 |
| ·二维矢量测试 | 第37-39页 |
| ·补偿编码（Complement Coding） | 第39页 |
| ·警戒参数的确定 | 第39-40页 |
| ·ART2 的参数对分类的影响 | 第40-41页 |
| ·参数 a、b 的影响 | 第40-41页 |
| ·参数 c、d 的影响 | 第41页 |
| ·小结 | 第41-42页 |
| 第四章 快速自适应共振理论网络 | 第42-52页 |
| ·ART1 网络算法 | 第43-45页 |
| ·ART1 算法原理 | 第43-45页 |
| ·ART1 复杂度分析 | 第45页 |
| ·快速聚类网络 | 第45-49页 |
| ·心理学基础 | 第45-46页 |
| ·一种记忆强度的划分方法 | 第46-47页 |
| ·快速聚类网络原理 | 第47-48页 |
| ·FART 的复杂度分析 | 第48-49页 |
| ·实验 | 第49-51页 |
| ·汉字符识别 | 第49-50页 |
| ·语音特征向量识别 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 研究成果及发表的学术论文 | 第57-58页 |
| 作者和导师简介 | 第58-59页 |
| 附录 | 第59-60页 |