| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 论文研究背景与现状 | 第10-12页 |
| 1.2 论文主要工作与结构 | 第12-13页 |
| 第2章 神经网络与灵敏度 | 第13-27页 |
| 2.1 人工神经网络 | 第13-18页 |
| 2.1.1 人工神经元模型 | 第13-15页 |
| 2.1.2 神经网络模型 | 第15-17页 |
| 2.1.3 神经网络学习方法 | 第17-18页 |
| 2.2 典型神经网络 | 第18-20页 |
| 2.2.1 BP神经网络 | 第18-19页 |
| 2.2.2 RBF神经网络 | 第19-20页 |
| 2.3 样条权函数神经网络 | 第20-24页 |
| 2.3.1 样条权函数神经网络基础知识 | 第20-21页 |
| 2.3.2 样条权函数神经网络结构与算法 | 第21-24页 |
| 2.4 神经网络灵敏度 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 分子三次分母一次第二类有理样条权函数神经网络灵敏度分析 | 第27-52页 |
| 3.1 分子三次分母一次第二类有理样条权函数神经网络 | 第27-33页 |
| 3.1.1 有理插值样条函数 | 第27-28页 |
| 3.1.2 分子三次分母一次有理插值样条构建与分析 | 第28-31页 |
| 3.1.3 分子三次分母一次第二类有理样条权函数神经网络结构与算法 | 第31-33页 |
| 3.2 分子三次分母一次第二类有理样条权函数神经网络误差分析 | 第33-36页 |
| 3.2.1 Peano核定理 | 第33-34页 |
| 3.2.2 分子三次分母一次第二类有理样条权神经网络误差公式推导 | 第34-36页 |
| 3.3 分子三次分母一次第二类有理样条权函数神经网络灵敏度公式推导 | 第36-39页 |
| 3.4 分子三次分母一次第二类有理样条权函数神经网络仿真实验 | 第39-50页 |
| 3.4.1 实验环境介绍 | 第39页 |
| 3.4.2 分子三次分母一次第二类有理样条权函数神经网络实验结果与分析 | 第39-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 分子三次分母一次第二类有理样条权函数神经网络FPGA实现 | 第52-64页 |
| 4.1 神经网络硬件实现 | 第52页 |
| 4.2 神经网络硬件实现的主要方法 | 第52-54页 |
| 4.2.1 神经网络的VLSI实现 | 第53-54页 |
| 4.2.2 神经网络的分子化学实现 | 第54页 |
| 4.2.3 神经网络的光学实现 | 第54页 |
| 4.3 可编程逻辑器件FPGA介绍 | 第54-56页 |
| 4.3.1 可编程器件分类 | 第54-55页 |
| 4.3.2 典型可编程逻辑器FPGA介绍 | 第55-56页 |
| 4.4 分子三次分母一次第二类有理样条权函数神经网络FPGA实现原理 | 第56-63页 |
| 4.4.1 样条权函数硬件实现原理 | 第57-59页 |
| 4.4.2 分子三次分母一次第二类有理样条权函数神经网络FPGA设计 | 第59-61页 |
| 4.4.3 分子三次分母一次第二类有理样条权函数神经网络FPGA设计仿真 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 致谢 | 第70页 |
