采用导数约束关系的前向神经网络学习优化方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-10页 |
| ·问题的提出 | 第8页 |
| ·神经网络的研究现状 | 第8-9页 |
| ·研究目标与主要工作内容 | 第9页 |
| ·论文结构安排 | 第9-10页 |
| 第二章 典型神经网络模型及其学习算法 | 第10-22页 |
| ·神经网络的结构和学习规则 | 第10-11页 |
| ·感知器模型及学习算法 | 第11-12页 |
| ·自适应线性元件模型及学习算法 | 第12-13页 |
| ·BP网络模型及学习算法 | 第13-18页 |
| ·BP网络结构 | 第14页 |
| ·BP网络学习公式推导 | 第14-16页 |
| ·BP网络的逼近能力与不足 | 第16-17页 |
| ·BP网络学习算法的改进 | 第17-18页 |
| ·径向基神经网络（RBF）模型及学习算法 | 第18-19页 |
| ·HOPFIELD网络模型及学习算法 | 第19-21页 |
| ·离散型Hopfield网络（DHNN） | 第20页 |
| ·连续型Hopfield网络（CHNN） | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于导数的BP网络学习优化方法 | 第22-26页 |
| ·优化过程中的一些实际问题 | 第22页 |
| ·基于导数的优化方法原理 | 第22页 |
| ·牛顿法与拟牛顿法 | 第22-23页 |
| ·共轭梯度法 | 第23-24页 |
| ·LEVENBERG-MARQUARDT法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 基于遗传算法的BP网络学习优化方法 | 第26-36页 |
| ·遗传算法 | 第26-29页 |
| ·遗传算法的要素和基本操作 | 第26-27页 |
| ·遗传算法的基本步骤 | 第27-28页 |
| ·适应度函数的设计对遗传算法的影响 | 第28页 |
| ·遗传算法的局限性 | 第28-29页 |
| ·基于遗传算法的BP网络优化算法 | 第29-34页 |
| ·算法设计思想 | 第30-33页 |
| ·算法的程序代码 | 第33-34页 |
| ·应用实例及其结果分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 基于导数约束关系的神经网络训练 | 第36-45页 |
| ·导数关系引入网络训练的必要性 | 第36页 |
| ·现有神经网络训练算法对于导数关系的训练能力 | 第36-37页 |
| ·导数关系训练模型的建立 | 第37-39页 |
| ·网络训练方法 | 第39-40页 |
| ·导数误差的估计 | 第40-42页 |
| ·算法实验与分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-46页 |
| ·论文总结 | 第45页 |
| ·问题与展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 附:在读期间本人所发表论文情况 | 第49页 |
