多种神经网络结构在树叶形状分类中的应用和比较
| 提要 | 第1-7页 |
| 第一章 神经网络发展及分类 | 第7-14页 |
| §1.1 神经网络的发展 | 第7-10页 |
| §1.2 人工神经网络的特点 | 第10-11页 |
| §1.3 神经网络的分类 | 第11-14页 |
| 第二章 三种神经网络结构及其算法 | 第14-20页 |
| §2.1 前馈型网络 | 第14-17页 |
| §2.1.1 单层前馈型神经网络 | 第14-15页 |
| §2.1.2 多层前馈型网络 | 第15-16页 |
| §2.1.3 BP网络 | 第16-17页 |
| §2.2 RBF网络 | 第17-19页 |
| §2.2.1 RBF网络的结构 | 第17-19页 |
| §2.3 SOM网络 | 第19-20页 |
| 第三章 树叶形状分类问题及其实现 | 第20-29页 |
| §3.1 树叶形状的特征参数 | 第20-21页 |
| §3.2 输入模式的预处理 | 第21-22页 |
| §3.2.1 目标值的数值化 | 第21-22页 |
| §3.2.2 数据的使用 | 第22页 |
| §3.3 带有隐藏层的多层前馈型神经网络实现分类 | 第22-24页 |
| §3.3.1 隐藏层神经元个数 | 第22-23页 |
| §3.3.2 学习速率η的选择 | 第23页 |
| §3.3.3 感知器算法 | 第23-24页 |
| §3.3.4 向后传播算法 | 第24页 |
| §3.4 RBF网络实现分类 | 第24-27页 |
| §3.4.1 基函数中心C_p的选取 | 第24-25页 |
| §3.4.2 正交最小二乘法 | 第25-26页 |
| §3.4.3 伪逆法 | 第26-27页 |
| §3.5 SOM网络实现分类 | 第27-29页 |
| §3.5.1 SOM算法 | 第27-29页 |
| 第四章 算例及参数分析 | 第29-37页 |
| §4.1 FFNN算例及结果 | 第29-32页 |
| §4.1.1 隐藏层神经元数量 | 第29-30页 |
| §4.1.2 迭代次数 | 第30-31页 |
| §4.1.3 学习速率 | 第31-32页 |
| §4.1.4 识别结果 | 第32页 |
| §4.2 RBF网络算例及结果 | 第32-34页 |
| §4.2.1 聚类中心数量的选取 | 第32-33页 |
| §4.2.2 激活函数半径的选取 | 第33页 |
| §4.2.3 识别结果 | 第33-34页 |
| §4.3 SOM网络算例及结果 | 第34-35页 |
| §4.3.1 权重修正规则 | 第34页 |
| §4.3.2 识别结果 | 第34-35页 |
| §4.4 结果及不足 | 第35-37页 |
| 参考文献 | 第37-39页 |
| 中文摘要 | 第39-42页 |
| Abstract | 第42-46页 |
| 致谢 | 第46页 |
