| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 图表目录 | 第10-12页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 选题背景与研究意义 | 第12-13页 |
| 1.2 联想记忆神经网络的网络模型及其研究现状 | 第13-18页 |
| 1.2.1 Hopfield 神经网络的网络模型及其研究现状 | 第13-14页 |
| 1.2.2 双向联想记忆神经网络的网络模型及其研究现状 | 第14-15页 |
| 1.2.3 多向联想记忆神经网络的网络模型及其研究现状 | 第15-18页 |
| 1.3 模式识别技术在作物信息学中的应用研究现状 | 第18-20页 |
| 1.4 本文的主要内容与组织 | 第20-22页 |
| 第二章 多向联想记忆神经网络的多平衡点的存在性与稳定性 | 第22-38页 |
| 2.1 引入 | 第22页 |
| 2.2 时滞多向联想记忆神经网络模型 | 第22-23页 |
| 2.3 多平衡点的存在性 | 第23-27页 |
| 2.4 稳定性分析 | 第27-34页 |
| 2.5 数值举例 | 第34-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 多向联想记忆神经网络的多周期解的存在性与稳定性 | 第38-54页 |
| 3.1 引言 | 第38页 |
| 3.2 模型与预备知识 | 第38-41页 |
| 3.3 不变集 | 第41-44页 |
| 3.4 多周期解的存在性与稳定性 | 第44-50页 |
| 3.5 数值举例 | 第50-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 多向联想记忆神经网络多概周期解的存在性与稳定性 | 第54-71页 |
| 4.1 预备知识 | 第54-55页 |
| 4.2 模型假设与有关记号 | 第55-56页 |
| 4.3 变时滞多向联想记忆神经网络多概周期解的存在性与稳定性 | 第56-62页 |
| 4.4 分布时滞多向联想记忆神经网络多概周期解的存在性与稳定性 | 第62-66页 |
| 4.5 实例与计算机仿真 | 第66-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 多向联想记忆神经网络在多模式识别中的应用 | 第71-96页 |
| 5.1 线性感知器以及学习算法 | 第71-76页 |
| 5.2 基于感知器的多向联想记忆神经网络存储器的设计 | 第76-82页 |
| 5.2.1 多向联想记忆神经网络存储器的设计 | 第76-80页 |
| 5.2.2 多模式识别的实现 | 第80-82页 |
| 5.3 多向联想记忆神经网络存储器设计实例 | 第82-95页 |
| 5.4 本章小结 | 第95-96页 |
| 第六章 基于多向联想记忆神经网络的植物叶片的多模式识别 | 第96-108页 |
| 6.1 引入 | 第96页 |
| 6.2 植物叶片的多模式识别方法 | 第96-99页 |
| 6.2.1 叶片图像的预处理 | 第96-97页 |
| 6.2.2 叶片数据的特征提取 | 第97-98页 |
| 6.2.3 数据处理 | 第98页 |
| 6.2.4 多向联想记忆神经网络存储器的设计 | 第98-99页 |
| 6.2.5 多模式识别 | 第99页 |
| 6.3 应用举例 | 第99-106页 |
| 6.3.1 数据采集与特征提取 | 第99页 |
| 6.3.2 数据处理 | 第99-100页 |
| 6.3.3 神经网络模型建立 | 第100-102页 |
| 6.3.4 识别检验 | 第102-106页 |
| 6.4 本章小结 | 第106-108页 |
| 第七章 总结和展望 | 第108-110页 |
| 7.1 全文总结 | 第108-109页 |
| 7.2 研究展望 | 第109-110页 |
| 参考文献 | 第110-123页 |
| 致谢 | 第123-124页 |
| 作者简历 | 第124-125页 |
| 攻读学位期间主要研究成果 | 第125页 |
