延迟反馈神经网络和两层反馈神经网络的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 目录 | 第9-17页 |
| 第一章 绪论 | 第17-25页 |
| ·人脑和神经元 | 第17-18页 |
| ·人工神经网络及其发展历史 | 第18-21页 |
| ·什么是人工神经网络 | 第18-19页 |
| ·神经网络的历史 | 第19-21页 |
| ·本论文的研究工作和内容提要 | 第21-23页 |
| 参考文献 | 第23-25页 |
| 第二章 神经网络的基础 | 第25-57页 |
| ·人工神经元 | 第25-28页 |
| ·人工神经元的结构 | 第25-26页 |
| ·传输函数的类型 | 第26-28页 |
| ·随机神经元 | 第28页 |
| ·神经网络的结构 | 第28-31页 |
| ·单层前馈网络 | 第28-29页 |
| ·多层前馈网络 | 第29-30页 |
| ·反馈网络 | 第30-31页 |
| ·神经网络的学习规则 | 第31-33页 |
| ·学习规则的类型 | 第31-32页 |
| ·误差校正学习 | 第32-33页 |
| ·Hebb学习规则 | 第33页 |
| ·动力系统基础 | 第33-40页 |
| ·连续动力系统 | 第34页 |
| ·离散动力系统 | 第34-35页 |
| ·动力系统的稳定性 | 第35-38页 |
| ·吸引子 | 第38-40页 |
| ·Hopfield网络 | 第40-52页 |
| ·连续Hopfield网络 | 第41-42页 |
| ·离散Hopfield网络 | 第42-45页 |
| ·最大存储率 | 第45-47页 |
| ·伪吸引子问题 | 第47-49页 |
| ·Hopfield网络的缺陷 | 第49页 |
| ·仿逆规则 | 第49-52页 |
| ·小结 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 第三章 反馈神经网络的蒙特卡罗优化变异规则 | 第57-69页 |
| ·蒙特卡罗优化变异规则 | 第57-60页 |
| ·基本思想 | 第57-59页 |
| ·算法实现 | 第59-60页 |
| ·动力学性质 | 第60-66页 |
| ·动力学三相区 | 第60-63页 |
| ·网络的对称性 | 第63-65页 |
| ·对吸引域的控制 | 第65-66页 |
| ·小结 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 第四章 延迟反馈神经网络 | 第69-97页 |
| ·网络结构和关联学习规则 | 第69-75页 |
| ·网络结构和关联学习规则 | 第69-72页 |
| ·动力学性质 | 第72-75页 |
| ·关联学习规则的缺陷 | 第75页 |
| ·MCA学习规则训练的延迟反馈网络 | 第75-91页 |
| ·延迟反馈网络的MCA学习规则 | 第75-80页 |
| ·最大存储率 | 第80-83页 |
| ·动力学性质 | 第83-87页 |
| ·对吸引域的控制 | 第87-88页 |
| ·伪吸引子的讨论 | 第88-91页 |
| ·演示例子 | 第91-94页 |
| ·小结 | 第94-95页 |
| 参考文献 | 第95-97页 |
| 第五章 两层反馈神经网络 | 第97-113页 |
| ·网络结构和MCA学习规则 | 第97-103页 |
| ·网络结构 | 第97-98页 |
| ·两层反馈网络的MCA学习规则 | 第98-102页 |
| ·局域场分布 | 第102-103页 |
| ·动力学性质 | 第103-107页 |
| ·应用例子 | 第107-109页 |
| ·小结 | 第109-110页 |
| 参考文献 | 第110-113页 |
| 第六章 总结与展望 | 第113-117页 |
| ·总结 | 第113-114页 |
| ·展望 | 第114-117页 |
| 博士期间发表文章目录 | 第117-119页 |
| 致谢 | 第119页 |
