非凸优化问题的神经网络算法与应用的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 本课题的研究目的和理论意义 | 第10-11页 |
| 1.2 国内外研究概况和发展趋势 | 第11-14页 |
| 1.2.1 神经网络优化算法 | 第11-13页 |
| 1.2.2 伪凸优化和非凸二次规划 | 第13-14页 |
| 1.3 课题来源 | 第14页 |
| 1.4 本文的主要内容 | 第14-15页 |
| 1.5 相关记号 | 第15-16页 |
| 第2章 伪凸优化问题 | 第16-28页 |
| 2.1 神经网络模型 | 第16-18页 |
| 2.2 网络收敛性分析 | 第18-20页 |
| 2.3 实验分析 | 第20-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 R~n中的非凸二次优化问题 | 第28-45页 |
| 3.1 预备知识 | 第28-30页 |
| 3.1.1 极值映射与微分包含 | 第28-29页 |
| 3.1.2 切锥与法锥 | 第29-30页 |
| 3.2 神经网络模型 | 第30-33页 |
| 3.2.1 L(x) 分析 | 第32页 |
| 3.2.2 G(x) 分析 | 第32页 |
| 3.2.3 W(x) 分析 | 第32-33页 |
| 3.3 主要结论 | 第33-41页 |
| 3.4 实验分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 神经网络在求解支持向量机中的应用 | 第45-53页 |
| 4.1 支持向量分类问题 | 第45-46页 |
| 4.2 支持向量回归问题 | 第46-47页 |
| 4.3 实验仿真 | 第47-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
