Pi-Sigma神经网络随机输入在线梯度法的收敛性

摘要	第1-5页
Abstract	第5-8页
1 绪论	第8-18页
·神经网络概论	第8-16页
·神经网络的诞生与发展	第8-9页
·神经网络的学习	第9-12页
·神经网络的应用	第12-14页
·神经网络的发展趋势	第14-16页
·本文的主要工作	第16-18页
2 Pi-Sigma神经网络	第18-42页
·BP神经网络	第18-23页
·BP神经网络的基本学习算法	第18-20页
·BP神经网络学习中应注意的问题	第20-22页
·BP神经网络的缺陷	第22-23页
·Pi-Sigma神经网络	第23-27页
·高阶神经网络	第23-24页
·Pi-Sigma神经网络	第24页
·以Pi-Sigma神经网络为模块的神经网络	第24-27页
·在线梯度法	第27-28页
·收敛性证明	第28-42页
·预备条件	第28-29页
·主要结论	第29-30页
·重要引理	第30-37页
·定理证明	第37-42页
3 数值试验及结果	第42-50页
·收敛性的实例验证	第42-44页
·数值试验结果及分析	第44-50页
·学习率对Pi-Sigma神经网络的影响	第44-45页
·初始权值对Pi-Sigma神经网络的影响	第45-46页
·误差曲面	第46-47页
·加惩罚项的在线梯度法	第47-48页
·Pi-Sigma神经网络与BP神经网络的比较	第48-50页
参考文献	第50-54页
攻读硕士学位期间学术论文完成情况	第54-56页
致谢	第56-58页