非对称神经网在模式识别中的应用
| 中文摘要 | 第1-6页 |
| Abstrct | 第6-10页 |
| 第1章 引言 | 第10-26页 |
| §1.1 背景知识 | 第10-13页 |
| §1.2 生物学基础 | 第13-19页 |
| §1.3 神经元模型 | 第19-23页 |
| §1.4 本章小结 | 第23-24页 |
| §1.5 参考文献 | 第24-26页 |
| 第2章 人工神经网络基础 | 第26-52页 |
| §2.1 人工神经网络的发展简史 | 第26-29页 |
| §2.2 人工神经网络的构成 | 第29-39页 |
| §2.2.1 人工神经元的类型 | 第30-33页 |
| §2.2.2 人工神经网络的结构 | 第33-37页 |
| §2.2.3 学习规则 | 第37-39页 |
| §2.3 反馈神经网络 | 第39-46页 |
| §2.3.1 离散Hopfield神经网络 | 第39-42页 |
| §2.3.2 联想记忆 | 第42-44页 |
| §2.3.3 Hopfield网络的缺陷 | 第44-46页 |
| §2.4 本章小结 | 第46-48页 |
| §2.5 参考文献 | 第48-52页 |
| 第3章 反馈神经网络的动力学特性 | 第52-76页 |
| §3.1 Hebb学习规则 | 第53-57页 |
| §3.2 仿逆规则 | 第57-60页 |
| §3.3 记忆模式稳定性分析 | 第60-63页 |
| §3.4 蒙特卡罗选择变异规则 | 第63-71页 |
| §3.4.1 MCA学习规则 | 第63-66页 |
| §3.4.2 动力学三相区 | 第66-71页 |
| §3.5 本章小结 | 第71-72页 |
| §3.6 参考文献 | 第72-76页 |
| 第4章 模式识别应用 | 第76-100页 |
| §4.1 模式识别简介 | 第76-79页 |
| §4.2 基本思想 | 第79-83页 |
| §4.3 混沌相的特性及优势 | 第83-89页 |
| §4.4 扩展的MCA学习规则 | 第89-93页 |
| §4.5 印刷体汉字识别试验 | 第93-95页 |
| §4.6 本章小结 | 第95-96页 |
| §4.7 参考文献 | 第96-100页 |
| 第5章 多态神经网络的动力学研究 | 第100-123页 |
| §5.1 本章概述 | 第100-104页 |
| §5.2 Q-Ising模型及其特性分析 | 第104-110页 |
| §5.3 用MCA学习规则设计多态神经网络 | 第110-117页 |
| §5.4 结论与讨论 | 第117-119页 |
| §5.6 本章小结 | 第119-120页 |
| §5.7 参考文献 | 第120-123页 |
| 第6章 一维晶格点阵中的孤波跳跃 | 第123-145页 |
| §6.1 孤波研究的历史 | 第123-128页 |
| §6.2 孤波研究的意义 | 第128-130页 |
| §6.3 孤波的空间跳跃 | 第130-140页 |
| §6.3.1 模型建立和研究方法 | 第130-132页 |
| §6.3.2 Toda模型中的孤波空间跳跃 | 第132-136页 |
| §6.3.3 FPU-β模型中的孤波空间跳跃 | 第136-140页 |
| §6.4 本章小结 | 第140-141页 |
| §6.5 参考文献 | 第141-145页 |
| 研究成果 | 第145-146页 |
| 致谢 | 第146页 |
