| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题的研究意义 | 第10-11页 |
| ·相关领域的研究现状 | 第11-15页 |
| ·仿人机器人 | 第11页 |
| ·分布式机器人 | 第11-12页 |
| ·网格计算 | 第12-13页 |
| ·基于网格的神经网络计算 | 第13-14页 |
| ·大规模混合神经网络 | 第14-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 实验室网格系统设计与实现 | 第17-43页 |
| ·网格计算的体系结构 | 第17-24页 |
| ·基于“沙漏模型”的网格体系结构 | 第17-18页 |
| ·开放网格服务体系结构 | 第18-19页 |
| ·网格服务（Grid Service） | 第19-21页 |
| ·网格软件 | 第21-24页 |
| ·LabGrid V0.1 简介 | 第24-27页 |
| ·运作方式 | 第24-25页 |
| ·体系设计 | 第25-27页 |
| ·LabGrid V1.0 的设计 | 第27-36页 |
| ·体系架构 | 第27-28页 |
| ·CRAM 服务 | 第28-29页 |
| ·索引服务 | 第29-30页 |
| ·文件传输服务 | 第30-31页 |
| ·多作业执行功能 | 第31页 |
| ·元数据的定义 | 第31页 |
| ·可靠的客户端 | 第31-34页 |
| ·LabGrid V1.0 与V0.1 的比较 | 第34-36页 |
| ·LabGrid V1.0 的实现 | 第36-42页 |
| ·详细设计 | 第36-38页 |
| ·LabGrid 的使用 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 基于网格的混合神经网络计算平台 | 第43-56页 |
| ·HNetCP 的体系架构设计 | 第43-49页 |
| ·需求分析与设计 | 第43-45页 |
| ·分层的体系架构 | 第45-46页 |
| ·神经网络库NNLib | 第46-49页 |
| ·HNetCP 的应用场景 | 第49-50页 |
| ·面向开发者的应用 | 第49-50页 |
| ·面向终端客户的应用 | 第50页 |
| ·一种新的混合神经网络分类系统 | 第50-53页 |
| ·神经网络集成 | 第51页 |
| ·系统架构 | 第51-53页 |
| ·实验与分析 | 第53-55页 |
| ·实验过程 | 第53-54页 |
| ·结果分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 机器人增量式学习系统 | 第56-71页 |
| ·人类的睡眠学习行为 | 第56-57页 |
| ·带睡眠的增量式学习系统ILS | 第57-61页 |
| ·ILS 的基本原理 | 第57-60页 |
| ·基于RBF 的ILS 的实现 | 第60页 |
| ·基于BPN 的ILS 的实现 | 第60-61页 |
| ·基于HNetCP 上的机器人增量式学习系统RILS | 第61-67页 |
| ·RILS 的设计 | 第62-63页 |
| ·RILS 的实现 | 第63-67页 |
| ·实验与分析 | 第67-69页 |
| ·实验过程 | 第67页 |
| ·结果分析 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 第五章 RILS 在实际应用中的测试 | 第71-81页 |
| ·人脸识别 | 第71-74页 |
| ·人脸识别的相关技术 | 第71-73页 |
| ·主成分分析PCA 算法 | 第73-74页 |
| ·基于RILS 的人脸识别的设计与实现 | 第74-76页 |
| ·基于BPN 的RILS 人脸识别的设计 | 第74-75页 |
| ·程序实现 | 第75-76页 |
| ·实验与分析 | 第76-80页 |
| ·ORL 人脸数据库 | 第76-77页 |
| ·实验过程 | 第77-79页 |
| ·结果分析 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 结论与展望 | 第81-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88-89页 |
| 致谢 | 第89页 |