| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 复数值神经网络训练算法的国内外研究现状 | 第11-14页 |
| 1.2.1 复数值BP算法研究现状 | 第11-12页 |
| 1.2.2 复数值RBF算法研究现状 | 第12-13页 |
| 1.2.3 复数值递归神经网络训练算法研究现状 | 第13-14页 |
| 1.3 复数值神经网络算法特点 | 第14-15页 |
| 1.4 论文主要研究内容 | 第15-16页 |
| 1.5 论文组织结构 | 第16-17页 |
| 第二章 复数值神经网络概述 | 第17-26页 |
| 2.1 神经网络的定义 | 第17页 |
| 2.2 复数值神经元模型 | 第17-19页 |
| 2.3 复数值神经网络结构及相关算法 | 第19-26页 |
| 2.3.1 复数值前向神经网络及其算法 | 第20-23页 |
| 2.3.2 复数值递归神经网络及其算法 | 第23-26页 |
| 第三章 基于可调整增益参数的复数值BP算法 | 第26-36页 |
| 3.1 背景介绍 | 第26-27页 |
| 3.2 带增益参数的复数值BP算法 | 第27-30页 |
| 3.3 带增益参数的复数值BP算法的测试 | 第30-35页 |
| 3.3.1 图像处理部分 | 第30-31页 |
| 3.3.2 数据处理 | 第31-33页 |
| 3.3.3 实验结果及分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于最大宽度的复数值RBF神经网络训练算法 | 第36-46页 |
| 4.1 背景介绍 | 第36-37页 |
| 4.2 改进的最大宽度算法 | 第37-40页 |
| 4.3 复数值RBF神经网络的应用 | 第40-45页 |
| 4.3.1 实数分类问题 | 第41-42页 |
| 4.3.2 手势识别 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章复数值递归神经网络的LM训练算法 | 第46-54页 |
| 5.1 背景介绍 | 第46-47页 |
| 5.2 复数值LM算法训练复数值递归神经网络 | 第47-51页 |
| 5.2.1 复数值梯度下降算法 | 第47-50页 |
| 5.2.2 复数值LM算法 | 第50-51页 |
| 5.3 递归神经网络在分类问题中的应用 | 第51-52页 |
| 5.4 本章小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 主要创新点 | 第54-55页 |
| 6.3 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-64页 |
| 攻读硕士期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |