| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·引言 | 第7-8页 |
| ·国内外研究概况 | 第8-9页 |
| ·本文的主要研究工作 | 第9-10页 |
| ·论文的章节安排 | 第10-11页 |
| 第二章 BP 神经网络概述 | 第11-21页 |
| ·BP 神经网络原理概述 | 第11-14页 |
| ·神经网络的特点 | 第11-12页 |
| ·神经元模型 | 第12-13页 |
| ·神经网络模型 | 第13-14页 |
| ·BP 神经网络及其算法 | 第14-20页 |
| ·BP 神经网络 | 第14-17页 |
| ·BP 学习算法 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于 EM 机制的 BP 神经网络训练算法 | 第21-33页 |
| ·EM 算法简介 | 第21-26页 |
| ·类电磁机制算法的基本理论与框架 | 第21-23页 |
| ·EM 算法的实现 | 第23-25页 |
| ·算法的结束准则 | 第25-26页 |
| ·改进的 EM 算法 | 第26-29页 |
| ·运用佳点集策略构建初始种群 | 第26-28页 |
| ·算法数值模拟结果 | 第28-29页 |
| ·EM 神经网络训练的算法的构造 | 第29-31页 |
| ·编码策略 | 第30-31页 |
| ·算法的实现步骤 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第四章 算法性能测试及其分析 | 第33-43页 |
| ·实验环境的概述 | 第33-35页 |
| ·MATLAB 仿真软件 | 第33-34页 |
| ·MATLAB 神经网络工具 | 第34-35页 |
| ·利用 MATLAB 实现 BP 神经网络 | 第35-38页 |
| ·实验结果及其分析 | 第38-40页 |
| ·本章小结 | 第40-43页 |
| 第五章 EM 神经网络的若干应用 | 第43-59页 |
| ·频谱分析问题 | 第43-49页 |
| ·周期信号的连续时间傅里叶级数 | 第44-45页 |
| ·基于傅里叶基函数的 EM 神经网络建模 | 第45-46页 |
| ·算法的实现步骤 | 第46-47页 |
| ·实例 | 第47-49页 |
| ·小结 | 第49页 |
| ·非线性方程问题 | 第49-53页 |
| ·解非线性方程的神经网络模型 | 第50-51页 |
| ·解非线性方程的神经网络算法步骤 | 第51-52页 |
| ·算例 | 第52-53页 |
| ·小结 | 第53页 |
| ·时间序列线性预测问题 | 第53-58页 |
| ·事件序列线性预测问题的数学模型 | 第53-54页 |
| ·时间序列线性预测 EM 神经网络建模 | 第54-55页 |
| ·算法的实现步骤 | 第55-56页 |
| ·实例 | 第56-58页 |
| ·小结 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第六章 论文总结及工作展望 | 第59-61页 |
| ·论文的工作总结 | 第59页 |
| ·研究展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-66页 |