| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-15页 |
| ·人工神经网络概述 | 第7-11页 |
| ·人脑与计算机信息处理能力的比较 | 第7-9页 |
| ·人脑与计算机信息处理机制的比较 | 第9-10页 |
| ·什么是人工神经网络 | 第10-11页 |
| ·神经网络的基本特点与功能 | 第11-14页 |
| ·神经网络的基本特点 | 第11-12页 |
| ·神经网络的基本功能 | 第12-14页 |
| ·论文主要研究内容 | 第14-15页 |
| 第2章 本文所使用的关键技术 | 第15-27页 |
| ·人工神经元模型 | 第15-20页 |
| ·神经元的建模 | 第15-16页 |
| ·神经元的数学模型 | 第16-18页 |
| ·神经元的变换函数 | 第18-20页 |
| ·人工神经网络模型 | 第20-22页 |
| ·网络拓补结构类型 | 第21-22页 |
| ·网络信息流向类型 | 第22页 |
| ·神经网络学习 | 第22-27页 |
| ·连续感知器学习规则 | 第24-25页 |
| ·最小均方学习规则 | 第25页 |
| ·相关学习规则 | 第25页 |
| ·外星学习规则 | 第25-27页 |
| 第3章 基于BP网络手写数字识别系统的架构设计 | 第27-38页 |
| ·单层感知器 | 第27-29页 |
| ·感知器模型 | 第27-28页 |
| ·感知器的功能 | 第28-29页 |
| ·感知器的学习算法 | 第29页 |
| ·误差反传算法 | 第29-38页 |
| ·基于BP算法的多层感知器模型 | 第30-31页 |
| ·BP学习算法 | 第31-34页 |
| ·BP算法的程序实现 | 第34-36页 |
| ·多层感知器的主要能力 | 第36-38页 |
| 第4章 基于BP网络手写数字识别系统的关键技术与实现 | 第38-66页 |
| ·模式识别的基本概念 | 第38-39页 |
| ·图像识别 | 第39-41页 |
| ·位图基础 | 第41-53页 |
| ·数字图像的基本概念 | 第41-42页 |
| ·BMP文件结构 | 第42-45页 |
| ·Cdib类库的建立 | 第45-53页 |
| ·神经网络分类器的具体实现 | 第53-66页 |
| 第5章 论文工作总结 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 摘要 | 第70-73页 |
| Abstract | 第73-78页 |
| 致谢 | 第78页 |