| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题背景 | 第9-12页 |
| ·本文研究内容 | 第12页 |
| ·论文结构 | 第12-13页 |
| ·论文中的主要创新点 | 第13-14页 |
| 第二章 RBF神经网络理论基础 | 第14-29页 |
| ·RBF神经网络的网络模型 | 第14-19页 |
| ·RBF神经网络的网络模型结构 | 第14-17页 |
| ·RBF网络的生理学基础 | 第17-18页 |
| ·RBF网络的工作机理 | 第18-19页 |
| ·RBF神经网络的学习算法 | 第19-24页 |
| ·固定选取数据中心算法 | 第20页 |
| ·动态调节数据中心的算法 | 第20-22页 |
| ·聚类算法与梯度下降算法性能比较 | 第22-24页 |
| ·RBF神经网络的性能分析 | 第24-28页 |
| ·RBF函数逼近能力 | 第25页 |
| ·RBF学习的收敛和泛化能力 | 第25页 |
| ·RBF神经网络和BP神经网络的比较 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 一种新的量子RBF神经网络模型的研究 | 第29-46页 |
| ·量子计算基础 | 第29-35页 |
| ·量子比特及量子信息 | 第29-31页 |
| ·量子逻辑门 | 第31-34页 |
| ·基本的量子计算 | 第34-35页 |
| ·量子的并行性 | 第35页 |
| ·量子RBF神经网络模型结构 | 第35-38页 |
| ·量子RBF神经网络学习算法 | 第38-41页 |
| ·训练样本及数据中心的量子态描述 | 第38-39页 |
| ·网络参数的更新规则 | 第39-41页 |
| ·量子RBF神经网络性能 | 第41-45页 |
| ·量子RBF神经网络的收敛能力 | 第42-44页 |
| ·量子RBF神经网络的分类能力 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 量子RBF网络在新生儿疼痛表情识别中的应用 | 第46-53页 |
| ·表情识别基础知识 | 第46-47页 |
| ·新生儿疼痛表情识别问题 | 第47-48页 |
| ·量子RBF网络在新生儿疼痛表情识别中的应用 | 第48-52页 |
| ·新生儿疼痛表情图像的采集 | 第48-49页 |
| ·基于量子RBF神经网络的新生儿疼痛表情识别的实验流程 | 第49-52页 |
| ·实验结果及分析 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·论文总结 | 第53页 |
| ·未来研究方向展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 致谢 | 第59页 |