| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 人工神经网络简介 | 第8-12页 |
| 1.1.1 人工神经网络的历史 | 第8-9页 |
| 1.1.2 人工神经网络结构 | 第9-12页 |
| 1.2 人工神经网络的学习方法 | 第12页 |
| 1.2.1 人工神经网络学习方法的分类 | 第12页 |
| 1.2.2 梯度算法 | 第12页 |
| 1.3 课题研究意义 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第二章 相关理论知识 | 第14-19页 |
| 2.1 RIDGE POLYNOMIAI神经网络相关基本概念 | 第14-16页 |
| 2.1.1 PSNN结构 | 第14-15页 |
| 2.1.2 RPNN的结构与特点 | 第15-16页 |
| 2.2 动量项相关基础概念 | 第16-17页 |
| 2.3 灰度理论相关基础概念 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 RIDGE POLYNOMIAL神经网络带动量项梯度算法的研究 | 第19-33页 |
| 3.1 背景介绍 | 第19页 |
| 3.2 RIDGE POLYNOMIAL神经网络的梯度算法 | 第19-20页 |
| 3.2.1 Pi—Sigma神经网络(PSNN) | 第19-20页 |
| 3.2.2 Ridge Polynomial神经网络 | 第20页 |
| 3.3 RIDGE POLYNOMIAL神经网络带动量项梯度算法 | 第20-21页 |
| 3.4 准备工作和相关证明 | 第21-26页 |
| 3.4.1 准备工作 | 第21-25页 |
| 3.4.2 定理和相关引理证明 | 第25-26页 |
| 3.5 仿真实验 | 第26-32页 |
| 3.5.1 三角函数逼近问题 | 第26-29页 |
| 3.5.2 多项式函数逼近问题 | 第29-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 RIDGE POLYNOMIAL神经网络灰度剪枝算法的研究 | 第33-41页 |
| 4.1 背景介绍和流程步骤 | 第33-35页 |
| 4.2 神经网络纵向灰色关联度计算 | 第35-36页 |
| 4.3 神经网络横向灰色关联度计算 | 第36-37页 |
| 4.4 最小二乘法修改 | 第37页 |
| 4.5 仿真实验 | 第37-40页 |
| 4.5.1 三角函数逼近问题 | 第37-39页 |
| 4.5.2 多项式函数逼近问题 | 第39-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第五章 总结与展望 | 第41-43页 |
| 5.1 主要工作总结 | 第41页 |
| 5.2 下一步工作 | 第41-43页 |
| 参考文献 | 第43-45页 |
| 致谢 | 第45-46页 |
| 攻读硕士学位期间发表的学术论文 | 第46页 |
