| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第1章 引论 | 第6-14页 |
| 1.1 研究背景和意义 | 第6-9页 |
| 1.2 模式识别的人工神经网络方法研究发展动态 | 第9-12页 |
| 1.3 本文创新及组织结构 | 第12-14页 |
| 第2章 传统的神经网络算法简介 | 第14-22页 |
| 2.1 误差反传递算法——BP神经网络 | 第14-17页 |
| 2.1.1 BP网络模型 | 第14-15页 |
| 2.1.2 BP网络学习算法 | 第15-17页 |
| 2.2 HOPFIELD神经网络 | 第17-22页 |
| 2.2.1 离散型Hopfield网络的结构及工作方式 | 第17-19页 |
| 2.2.2 Hopfield网络的稳定性 | 第19-22页 |
| 第3章 人工脑模式识别的分块并行优先度排序神经网络算法 | 第22-28页 |
| 3.1 同源同类事物连通连网排序技术 | 第22-23页 |
| 3.2 训练样本连通连网排序 | 第23-24页 |
| 3.3 分块并行优先度排序神经网络拓扑结构 | 第24页 |
| 3.4 基于同源同类事物连通本性的分块并行优先度排序神经网络算法 | 第24-28页 |
| 3.4.1 基于同源同类事物连通本性的神经网络分块模块结构算法 | 第25页 |
| 3.4.2 不同块上的基于同源同类事物连通本性的优先度排序神经网络结构确定算法 | 第25-28页 |
| 第4章 人工脑模式识别的分块并行优先度排序RBF神经网络 | 第28-40页 |
| 4.1 RBF神经网络算法 | 第28-30页 |
| 4.1.1 RBF网络的拓扑结构 | 第28-29页 |
| 4.1.2 RBF网络的学习算法 | 第29-30页 |
| 4.1.3 PORBF网络的学习算法 | 第30页 |
| 4.2 基于同源的同类事物连通本性的优先度排序RBF网络的拓扑结构 | 第30-31页 |
| 4.3 基于同源的同类事物连通本性的优先度排序RBF训练算法 | 第31-35页 |
| 4.4 新增样本的增量学习 | 第35-40页 |
| 第5章 结语 | 第40-42页 |
| 5.1 本文工作总结 | 第40页 |
| 5.2 下一步的研究工作 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 攻读学位期间的研究成果 | 第46-48页 |
| 致谢 | 第48-50页 |
