动态资源分配神经网络及其应用研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 人工神经网络研究背景 | 第8-9页 |
| 1.1.1 人工神经网络简介 | 第8页 |
| 1.1.2 人工神经网络发展历史 | 第8-9页 |
| 1.1.3 人工神经网络基本特点和功能 | 第9页 |
| 1.2 人工神经网络研究意义 | 第9页 |
| 1.3 本文研究内容 | 第9-10页 |
| 1.4 本文组织结构 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 第二章 神经网络理论基础简介 | 第12-23页 |
| 2.1 神经网络基本知识 | 第12-14页 |
| 2.1.1 神经元模型介绍 | 第12页 |
| 2.1.2 神经网络的结构 | 第12-13页 |
| 2.1.3 神经网络的学习类型 | 第13-14页 |
| 2.2 径向基函数神经网络 | 第14-19页 |
| 2.2.1 RBF神经网络结构 | 第14-16页 |
| 2.2.2 RBF神经网络学习算法 | 第16-18页 |
| 2.2.3 RBF神经网络缺点 | 第18-19页 |
| 2.3 资源分配神经网络 | 第19-22页 |
| 2.3.1 研究进展 | 第19-21页 |
| 2.3.2 RAN神经网络简介 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 文本特征处理 | 第23-29页 |
| 3.1 文本分类简介 | 第23页 |
| 3.2 文本预处理 | 第23-25页 |
| 3.2.1 关键词提取 | 第24页 |
| 3.2.2 去除停用词 | 第24页 |
| 3.2.3 词根提取 | 第24页 |
| 3.2.4 词频统计 | 第24-25页 |
| 3.3 文本特征表示 | 第25-26页 |
| 3.3.1 向量空间模型 | 第25-26页 |
| 3.4 特征选择降维 | 第26页 |
| 3.5 特征抽取降维 | 第26-28页 |
| 3.5.1 潜在语义分析 | 第26-28页 |
| 3.5.2 潜在语义特征空间 | 第28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 基于阶段学习的资源分配神经网络 | 第29-46页 |
| 4.1 第一学习阶段 | 第29-32页 |
| 4.1.1 初始化隐含层中心 | 第29-30页 |
| 4.1.2 新颖性准则 | 第30-31页 |
| 4.1.3 删除策略 | 第31-32页 |
| 4.2 第二学习阶段 | 第32-33页 |
| 4.3 SLRAN算法流程 | 第33-34页 |
| 4.4 基于SLRAN算法的文本分类 | 第34-45页 |
| 4.4.1 文本数据集预处理 | 第34-36页 |
| 4.4.2 评价方法 | 第36-37页 |
| 4.4.3 实验结果与分析 | 第37-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于同步学习的动态资源分配神经网络 | 第46-57页 |
| 5.1 神经元重要性概念 | 第46-47页 |
| 5.2 新颖性准则 | 第47-48页 |
| 5.3 SLDRAN算法流程 | 第48-50页 |
| 5.4 基于SLDRAN算法的垃圾邮件过滤 | 第50-56页 |
| 5.4.1 文本数据集 | 第50页 |
| 5.4.2 数据预处理 | 第50-51页 |
| 5.4.3 语料库词典方法 | 第51-53页 |
| 5.4.4 评价方法 | 第53页 |
| 5.4.5 实验结果与分析 | 第53-56页 |
| 5.5 两种算法性能分析 | 第56页 |
| 5.6 本章小结 | 第56-57页 |
| 主要结论与展望 | 第57-59页 |
| 主要结论 | 第57-58页 |
| 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第63页 |
