| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-26页 |
| ·人工神经网络概述 | 第12-17页 |
| ·人工神经网络定义 | 第12-13页 |
| ·人工神经网络的发展历史 | 第13-16页 |
| ·人工神经网络的特点 | 第16-17页 |
| ·人工神经网络的结构及类型 | 第17-22页 |
| ·神经元及其特性 | 第17-19页 |
| ·人工神经网络的基本类型 | 第19-21页 |
| ·人工神经网络的典型模型 | 第21-22页 |
| ·人工神经网络的实现技术 | 第22-24页 |
| ·论文工作概述和内容安排 | 第24-26页 |
| 第二章 神经网络模式识别理论 | 第26-45页 |
| ·模式识别综述 | 第27-32页 |
| ·模式和模式识别 | 第27-29页 |
| ·经典的模式识别方法 | 第29-31页 |
| ·现代模式识别方法 | 第31-32页 |
| ·神经网络模式识别 | 第32-38页 |
| ·神经网络模式识别的发展历程 | 第33-34页 |
| ·神经网络模式识别的方法及特点 | 第34-35页 |
| ·神经网络模式识别分类器 | 第35-38页 |
| ·仿生模式识别理论 | 第38-44页 |
| ·仿生模式识别与传统模式识别的区别 | 第38-40页 |
| ·仿生模式识别的理论基础 | 第40-41页 |
| ·仿生模式识别的实现手段 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 CASSANDRA系列神经计算机的硬件实现 | 第45-69页 |
| ·神经网络实现技术概述 | 第45-54页 |
| ·神经网络与神经计算机 | 第45-47页 |
| ·神经网络硬件实现的基本方法 | 第47-52页 |
| ·神经计算机的分类 | 第52-54页 |
| ·CASSANDRA-I神经计算机 | 第54-57页 |
| ·CASSANDRA-I通用计算模型 | 第54-55页 |
| ·CASSANDRA-I系统结构及其性能描述 | 第55-57页 |
| ·可变拓扑结构的通用神经网络硬件CASSANDRA-II | 第57-64页 |
| ·双权值突触神经元(DWN)的组合逻辑设计 | 第58-60页 |
| ·CASSANDRA-II通用计算模型 | 第60-62页 |
| ·CASSANDRA-II系统结构 | 第62-63页 |
| ·CASSANDRA-II神经网络硬件功能描述 | 第63-64页 |
| ·CASSANDRA-II神经计算机系统软件结构和功能 | 第64-68页 |
| ·CASSANDRA-II神经计算机系统软件功能介绍 | 第64-65页 |
| ·CASSANDRA-II技术实现途径 | 第65-66页 |
| ·CASSANDRA-II神经计算机系统软件动态链接库 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第四章 基于CASSANDRA-II的全方位实物识别系统 | 第69-88页 |
| ·基于CASSANDRA-II的全方位实物识别系统概述 | 第69-72页 |
| ·实物识别系统的构建 | 第69-72页 |
| ·全方位实物识别系统体系结构 | 第72页 |
| ·特征提取及采样 | 第72-77页 |
| ·采样 | 第73-74页 |
| ·灰度均衡 | 第74-75页 |
| ·特征提取 | 第75-77页 |
| ·仿生模式识别学习及识别算法 | 第77-78页 |
| ·支持向量机简介 | 第78-84页 |
| ·SVM方法介绍 | 第78-82页 |
| ·支持向量机学习方法 | 第82-83页 |
| ·LibSVM软件包 | 第83-84页 |
| ·实验结果及比较 | 第84-87页 |
| ·本章小结 | 第87-88页 |
| 第五章 总结和展望 | 第88-90页 |
| ·总结 | 第88-89页 |
| ·展望 | 第89-90页 |
| 参考文献 | 第90-96页 |
| 致谢 | 第96-97页 |
| 攻读学位期间发表的学术论文目录 | 第97页 |
