基于极大似然法的神经网络研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-9页 |
| ·问题的提出 | 第7页 |
| ·本文研究内容 | 第7-8页 |
| ·文章内容安排 | 第8-9页 |
| 第二章 基于极大似然法的神经网络 | 第9-31页 |
| ·人工神经网络简介 | 第9-14页 |
| ·人工神经网络的概念 | 第9-10页 |
| ·神经网络的发展历史回顾 | 第10-12页 |
| ·多层前向神经网络 | 第12-14页 |
| ·BP 神经网络 | 第14-20页 |
| ·BP 网络结构 | 第15页 |
| ·标准BP 学习算法 | 第15-19页 |
| ·BP 神经网络缺陷及其分析 | 第19-20页 |
| ·基于极大似然法的神经网络 | 第20-31页 |
| ·极大似然估计的基本思想 | 第21-22页 |
| ·极大似然鲁棒误差函数 | 第22-24页 |
| ·极大似然神经网络学习过程 | 第24-25页 |
| ·实例仿真 | 第25-30页 |
| ·小结 | 第30-31页 |
| 第三章 基于极大似然神经网络的滤波算法 | 第31-35页 |
| ·椒盐噪声理论模型 | 第31页 |
| ·基于极大似然法的椒盐噪声滤波算法 | 第31-32页 |
| ·实验及结果比较 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第四章 极大似然神经网络在地震预测中的应用 | 第35-41页 |
| ·样本数据的准备 | 第35页 |
| ·地震预测模型设计 | 第35-37页 |
| ·拓扑结构 | 第37页 |
| ·仿真结果 | 第37-40页 |
| ·小结 | 第40-41页 |
| 第五章 极大似然神经网络在股票预测中的应用 | 第41-46页 |
| ·极大似然神经网络股票预测建模 | 第41-43页 |
| ·数据的选取 | 第43页 |
| ·网络结构设计 | 第43页 |
| ·仿真结果 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 攻读硕士研究生期间发表的论文 | 第49-50页 |
| 致谢 | 第50-51页 |
| 附录 | 第51-54页 |
