| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-28页 |
| ·人工神经网络概述 | 第9-15页 |
| ·神经网络发展的历史演变 | 第9-10页 |
| ·神经网络的特征及其工作原理解析 | 第10-12页 |
| ·神经网络的拓扑结构 | 第12-13页 |
| ·神经网络的学习 | 第13-15页 |
| ·提高神经网络泛化能力的方法 | 第15-20页 |
| ·网络结构的优化算法 | 第16-18页 |
| ·训练的早期停止法 | 第18-20页 |
| ·前馈神经网络 | 第20-24页 |
| ·感知器的网络结构和工作原理 | 第20-22页 |
| ·BP算法的批处理和在线运行 | 第22-24页 |
| ·正则化框架与L_(1/2)正则子介绍 | 第24-28页 |
| 2 惩罚项简介 | 第28-39页 |
| ·几种常见惩罚项 | 第28-36页 |
| ·Weigh-decay惩罚项 | 第28-29页 |
| ·Weight-elimination惩罚项 | 第29-32页 |
| ·Weight-decay和Weight-elimination的组合惩罚项 | 第32-34页 |
| ·Struetural Learning with Forgetting惩罚项 | 第34-36页 |
| ·Inner-product惩罚项 | 第36页 |
| ·带L_(1/2)惩罚项的批处理BP算法 | 第36-39页 |
| 3 批处理BP算法的数值对比试验 | 第39-49页 |
| ·XOR问题数值试验 | 第39-43页 |
| ·3维奇偶问题数值试验 | 第43-49页 |
| 4 带L_(1/2)惩罚项的数值对比试验 | 第49-65页 |
| ·XOR问题数值试验 | 第49-56页 |
| ·3维奇偶问题数值试验 | 第56-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录A 带L_(1/2)惩罚项的数值对比试验程序 | 第70-73页 |
| 致谢 | 第73-74页 |