| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·人工神经网络介绍 | 第9-11页 |
| ·人工神经网络的定义 | 第9页 |
| ·人工神经网络的发展历史 | 第9-10页 |
| ·人工神经网络的研究现状 | 第10-11页 |
| ·人工神经网络的发展趋势 | 第11页 |
| ·人工神经网络基础 | 第11-14页 |
| ·人工神经元 | 第11-12页 |
| ·人工神经网络模型 | 第12-14页 |
| ·人工神经网络的学习规则 | 第14页 |
| ·本文的研究方向及意义 | 第14-15页 |
| ·本文的主要工作 | 第15-17页 |
| 第二章 RIDGE POLYNOMIAL神经网络的异步梯度算法的收敛性 | 第17-32页 |
| ·背景介绍 | 第17-18页 |
| ·Ridge Polynomial神经网络及其异步梯度算法 | 第18-22页 |
| ·Pi-Sigma神经网络 | 第18-19页 |
| ·Ridge Polynomial神经网络 | 第19-20页 |
| ·Ridge Polynomial神经网络的异步梯度学习算法 | 第20-22页 |
| ·单调性与收敛性说明 | 第22页 |
| ·Ridge Polynomial神经网络的异步梯度算法的单调性及收敛性 | 第22-26页 |
| ·相关的引理及证明 | 第22-25页 |
| ·主要的收敛性定理及证明 | 第25-26页 |
| ·仿真实验 | 第26-31页 |
| ·函数逼近问题 | 第27-29页 |
| ·分类问题 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 RIDGE POLYNOMIAL神经网络带动量项的异步梯度算法的收敛性 | 第32-43页 |
| ·背景介绍 | 第32-33页 |
| ·Ridge Polynomial神经网络带动量项的异步梯度学习算法 | 第33页 |
| ·Ridge Polynomial神经网络带动量项的异步梯度算法的单调性与收敛性 | 第33-40页 |
| ·相关的引理及证明 | 第33-37页 |
| ·主要的收敛性定理及证明 | 第37-40页 |
| ·仿真实验 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 最大-乘积型模糊感知器的学习算法及其收敛性 | 第43-53页 |
| ·背景介绍 | 第43-44页 |
| ·最大-乘积型模糊感知器 | 第44-45页 |
| ·最大-乘积型模糊感知器的学习算法 | 第45-46页 |
| ·学习算法的收敛性分析 | 第46-50页 |
| ·主要的引理及证明 | 第46-48页 |
| ·收敛定理及证明 | 第48-50页 |
| ·仿真实验 | 第50-52页 |
| ·本章总结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·主要工作总结 | 第53页 |
| ·下一步工作 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61页 |
