| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-28页 |
| ·神经网络概述 | 第8-21页 |
| ·人工神经网络的产生和发展 | 第8-9页 |
| ·神经元模型 | 第9-11页 |
| ·神经网络的学习 | 第11-12页 |
| ·BP神经网络 | 第12-15页 |
| ·BP神经网络的改进 | 第15-21页 |
| ·灰色系统概述 | 第21-27页 |
| ·灰色系统的产生和发展 | 第21-23页 |
| ·灰色系统的基本概念 | 第23-24页 |
| ·灰色系统的基本原理 | 第24-25页 |
| ·灰色系统的主要内容 | 第25页 |
| ·灰色系统的建模理论 | 第25-26页 |
| ·神经网络与灰色系统的结合 | 第26-27页 |
| ·本文的主要工作 | 第27-28页 |
| 2 灰色神经网络GNNM(1,1)批处理算法的收敛性 | 第28-34页 |
| ·灰色神经网络模型基础 | 第28页 |
| ·一维灰色神经网络优化模型GNNM(1,1) | 第28-30页 |
| ·改进灰色神经网络GNNM(1,1)批处理算法的收敛性 | 第30-34页 |
| ·主要结果 | 第31-32页 |
| ·定理的证明 | 第32-34页 |
| 3 数值试验 | 第34-42页 |
| ·误差函数及其梯度范数的变化 | 第34-35页 |
| ·引入惩罚项后算法中权值的有界性 | 第35页 |
| ·动量项对收敛速度及计算精度的影响 | 第35-36页 |
| ·惩罚项对收敛速度及计算精度的影响 | 第36-37页 |
| ·动量项因子与学习率之间的关系 | 第37-39页 |
| ·GNNM(1,1)与标准BP网络比较 | 第39-40页 |
| ·GNNM(1,1)在时间序列分析中的应用 | 第40-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 攻读硕士学位期间发表学术论文情况 | 第45-46页 |
| 致谢 | 第46-47页 |