| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外现状分析 | 第12-16页 |
| 1.2.1 神经计算模型在语言认知中的研究现状 | 第12-14页 |
| 1.2.2 神经计算模型在教育领域的应用 | 第14-15页 |
| 1.2.3 我国第二语言学习障碍的研究现状 | 第15-16页 |
| 1.3 研究目的和创新之处 | 第16页 |
| 1.3.1 研究目的 | 第16页 |
| 1.3.2 创新之处 | 第16页 |
| 1.4 论文组织结构和内容安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 相关理论基础 | 第18-28页 |
| 2.1 BP神经网络计算模型 | 第18-22页 |
| 2.1.1 人工神经网络术语 | 第18-19页 |
| 2.1.2 BP神经网络算法 | 第19-20页 |
| 2.1.3 δ(Delta)学习规则 | 第20-21页 |
| 2.1.4 参数的选择 | 第21-22页 |
| 2.2 英语音位表征 | 第22-25页 |
| 2.2.16-bit(2bit的后缀)编码方案 | 第22-23页 |
| 2.2.2 19-bit(5bit的后缀)编码方案 | 第23-24页 |
| 2.2.3 其他编码 | 第24-25页 |
| 2.3 语音意识与记忆能力 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 设计基于3层神经网络的关联模型 | 第28-38页 |
| 3.1 关联模型假设 | 第28-29页 |
| 3.2 关联模型中的基本ANN模型 | 第29-32页 |
| 3.3 基于benchmark数据集的个体ANN设计 | 第32-33页 |
| 3.4 实验任务设计 | 第33-37页 |
| 3.4.1 被试对象 | 第33页 |
| 3.4.2 词汇的选择 | 第33页 |
| 3.4.3 实验过程 | 第33-36页 |
| 3.4.4 虚拟数据的生成 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 实验结果及其分析 | 第38-44页 |
| 4.1 基于任务完成度一致性的数据分析 | 第38-41页 |
| 4.2 t测试分析 | 第41-42页 |
| 4.3 干预方法的提出 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 总结与展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录 | 第49-53页 |
| 致谢 | 第53页 |