| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与发展 | 第10-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 研究现状 | 第13-14页 |
| 1.4 本文主要内容 | 第14-15页 |
| 第2章 复杂网络及多层神经网络概述 | 第15-32页 |
| 2.1 复杂网络概述 | 第15-20页 |
| 2.1.1 复杂网络特性 | 第15-16页 |
| 2.1.2 典型的复杂网络模型 | 第16-17页 |
| 2.1.3 小世界网络 | 第17-20页 |
| 2.2 多层神经网络概述 | 第20-31页 |
| 2.2.1 人工神经元 | 第21-22页 |
| 2.2.2 常见的激活函数 | 第22-24页 |
| 2.2.3 三种典型的神经网络模型 | 第24-26页 |
| 1.前馈神经网络(FeedforwardNeuralNetworks) | 第24页 |
| 2.反馈神经网络(FeedbackNeuralNetworks) | 第24-25页 |
| 3 .自组织神经网络( Self-Organizing Neural Networks ) | 第25-26页 |
| 2.2.4 有监督的训练算法 | 第26-27页 |
| 2.2.5 神经网络修剪算法 | 第27-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于E指数信息熵的网络修剪模型 | 第32-39页 |
| 3.1 WS小世界网络建立过程 | 第32-34页 |
| 3.2 反向传播算法的改进 | 第34-36页 |
| 3.3 E指数信息熵修剪算法 | 第36-38页 |
| 3.3.1 信息熵 | 第36-37页 |
| 3.3.2 e指数信息熵 | 第37页 |
| 3.3.3 e指数信息熵修剪算法 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 实验结果与分析 | 第39-48页 |
| 4.1 数据集 | 第39页 |
| 4.2 跨层重连后小世界网络 | 第39-40页 |
| 4.3 已修剪网络与未修剪网络的结果对比 | 第40-47页 |
| 4.3.1 准确率 | 第40-43页 |
| 4.3.2 误差 | 第43-46页 |
| 4.3.3 熵值分布 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-49页 |
| 5.1 本文总结 | 第48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 作者简介及在学期间所取得的科研成果 | 第52-53页 |
| 致谢 | 第53页 |
