| 第一章 文献综述 | 第1-25页 |
| §1．1 神经网络简介 | 第8-10页 |
| §1．2 BP网络结构及算法简介 | 第10-14页 |
| §1．3 自组织特征映射（SOFM） | 第14-17页 |
| §1．4 神经网络在字符识别领域的应用 | 第17-25页 |
| 第二章 广义逆矩阵及其在神经网络计算中应用 | 第25-36页 |
| §2．1 广义左逆 | 第25-27页 |
| §2．2 广义右逆 | 第27-29页 |
| §2．3 广义逆 | 第29-31页 |
| §2．4 利用特征元素表示广义逆 | 第31-32页 |
| §2．5 广义逆的性质 | 第32-33页 |
| §2．6 Kohonen模型—最优线性联想神经网络 | 第33-36页 |
| 第三章 数学公式符号的分割 | 第36-44页 |
| §3．1 印刷品的扫描输入及其前期处理 | 第36-38页 |
| §3．2 数学公式符号的分割 | 第38-41页 |
| §3．3 分割结果的检验 | 第41-42页 |
| §3．4 总结 | 第42-44页 |
| 第四章 数学符号的不变性识别 | 第44-53页 |
| §4．1 训练数据的获取 | 第44-45页 |
| §4．2 用矩方法提取特征 | 第45-47页 |
| §4．3 多级神经网络识别数学符号 | 第47-52页 |
| §4．4 字符的重组 | 第52-53页 |
| 发表文章 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |