| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·人工神经网络的应用范围 | 第9页 |
| ·人工神经网络概况 | 第9-12页 |
| ·论文主要内容及结构安排 | 第12-13页 |
| 第二章 人工神经网络理论 | 第13-31页 |
| ·人工神经网络概述 | 第13-16页 |
| ·什么是人工神经网络 | 第13-14页 |
| ·人工神经网络的发展简史 | 第14-15页 |
| ·人工神经网络国内外研究状况 | 第15-16页 |
| ·人工神经网络的基本特点与功能 | 第16页 |
| ·神经元模型 | 第16-21页 |
| ·神经元通用功能模型 | 第16-18页 |
| ·神经元的数学模型 | 第18页 |
| ·神经元的变换函数 | 第18-21页 |
| ·人工神经网络模型 | 第21-23页 |
| ·网络拓扑结构类型 | 第21-23页 |
| ·网络信息流向类型 | 第23页 |
| ·人工神经网络的学习 | 第23-26页 |
| ·Hebb 学习规则 | 第24-25页 |
| ·离散感知器学习规则 | 第25页 |
| ·连续感知器学习规则 | 第25页 |
| ·最小均方学习规则 | 第25-26页 |
| ·神经网络系统设计与软硬件实现 | 第26-31页 |
| ·神经网络系统总体设计 | 第26页 |
| ·神经网络的软件实现 | 第26-27页 |
| ·神经网络的硬件实现 | 第27-31页 |
| 第三章 利用 PSpice 软件对 ANN 各部分电路进行仿真 | 第31-42页 |
| ·PSpice 软件简介 | 第31-32页 |
| ·对非线性函数产生器的仿真 | 第32-35页 |
| ·非线性函数产生器理论分析 | 第32-33页 |
| ·非线性函数产生器的仿真过程 | 第33-35页 |
| ·对加法器电路的仿真 | 第35-37页 |
| ·加法器电路的理论分析 | 第35-36页 |
| ·加法器的仿真过程 | 第36-37页 |
| ·对模拟乘法器电路的仿真 | 第37-42页 |
| ·模拟乘法器电路的理论分析 | 第37-39页 |
| ·模拟乘法器电路的仿真过程 | 第39-42页 |
| 第四章 自编程对ANN 进行训练 | 第42-51页 |
| ·自编程方法概述 | 第42-43页 |
| ·对指数函数进行训练和仿真 | 第43-45页 |
| ·对模拟物理过程的非线性曲线进行训练和仿真 | 第45-48页 |
| ·对烧水实验所得的曲线进行训练和仿真 | 第48-51页 |
| 第五章 基于LM324 和NJM4200 的ANN 子电路及整体电路实现 | 第51-62页 |
| ·LM324 和NJM4200 简介 | 第51-53页 |
| ·加法器电路的实现 | 第53-55页 |
| ·乘法器电路的实现 | 第55-56页 |
| ·ANN 整体电路的实现 | 第56-60页 |
| ·ANN 整体电路的误差分析 | 第60页 |
| ·系统整体框图与参量的归一化讨论 | 第60-62页 |
| 第六章 结论与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 攻硕期间取得的研究成果 | 第66-67页 |