| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-25页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 人工神经网络的研究现状 | 第12-22页 |
| 1.2.1 人工神经网络的发展历程 | 第12-13页 |
| 1.2.2 生物神经网络与人工神经网络 | 第13-15页 |
| 1.2.3 人工神经网络理论基础 | 第15-18页 |
| 1.2.4 人工神经网络的网络结构 | 第18-20页 |
| 1.2.5 几种经典人工神经网络理论模型 | 第20-22页 |
| 1.3 自组织神经网络的研究现状 | 第22-23页 |
| 1.4 本文的主要研究内容 | 第23-25页 |
| 2 相关基础理论 | 第25-35页 |
| 2.1 自组织竞争神经网络 | 第25-28页 |
| 2.1.1 模式的相似性 | 第25-27页 |
| 2.1.2 网络竞争学习的原理 | 第27-28页 |
| 2.2 自组织特征映射神经网络 | 第28-35页 |
| 2.2.1 自组织特征映射（SOM）的网络结构 | 第29-30页 |
| 2.2.2 Kohonen自组织特征映射网络 | 第30-33页 |
| 2.2.3 Kohonen自组织特征映射的性质 | 第33-35页 |
| 3 基于DDOA及SOM神经网络的阵列定向研究 | 第35-75页 |
| 3.1 阵列信号模型 | 第35-40页 |
| 3.1.1 源信号与噪声假设 | 第35-36页 |
| 3.1.2 阵列信号处理模型 | 第36-37页 |
| 3.1.3 阵列信号空时采样模型 | 第37-40页 |
| 3.2 MUSIC算法估计波达方向 | 第40-42页 |
| 3.2.1 基于阵列协方差阵特征分解的子空间分解 | 第40-41页 |
| 3.2.2 基于阵列协方差阵特征分解的源信号个数估计 | 第41页 |
| 3.2.3 MUSIC算法估计波达方向 | 第41-42页 |
| 3.3 RBF神经网络估计波达方向 | 第42-45页 |
| 3.4 均匀线阵SOM神经网络波达方向估计 | 第45-62页 |
| 3.4.1 DOA问题研究现状 | 第45-47页 |
| 3.4.2 问题的模型 | 第47-48页 |
| 3.4.3 Kohonen自组织神经网络 | 第48-50页 |
| 3.4.4 基于SOM神经网络的DOA估计模型 | 第50-52页 |
| 3.4.5 方法可靠性分析 | 第52-55页 |
| 3.4.6 仿真及实验结果分析 | 第55-60页 |
| 3.4.7 结论与讨论 | 第60-62页 |
| 3.5 任意阵SOM神经网络波达方向估计 | 第62-73页 |
| 3.5.1 任意阵列探测AOA模型 | 第62-64页 |
| 3.5.2 任意阵列下利用SOM估计AOA模型 | 第64-66页 |
| 3.5.3 基于Lipschitz条件的可靠性分析 | 第66-69页 |
| 3.5.4 仿真及实验结果分析 | 第69-73页 |
| 3.5.5 本节结论 | 第73页 |
| 3.6 本章小结 | 第73-75页 |
| 4 基于自组织神经网络及基因表达的结肠癌分类研究 | 第75-85页 |
| 4.1 基于基因表达对癌症分类研究的背景及意义 | 第75-76页 |
| 4.2 基因数据 | 第76页 |
| 4.3 基于SOM神经网络对随机选取的基因分类原理 | 第76-79页 |
| 4.3.1 SOM网络训练方法 | 第76-77页 |
| 4.3.2 SOM网络对随机选取基因组分类 | 第77-79页 |
| 4.4 实验结果及分析 | 第79-84页 |
| 4.4.1 分类失误率的分布 | 第79-80页 |
| 4.4.2 利用非线性主成分分析(NLPCA)去除离群因素 | 第80-82页 |
| 4.4.3 寻找潜在信息基因 | 第82-83页 |
| 4.4.4 K-CV交叉验证考查稳定性 | 第83-84页 |
| 4.5 本章小结 | 第84-85页 |
| 5 基于自组织回归神经网络的火炮膛压研究 | 第85-95页 |
| 5.1 火炮膛压问题的研究背景 | 第85页 |
| 5.2 BP神经网络模型 | 第85-87页 |
| 5.3 自组织回归（AR-SOM）神经网络模型 | 第87-89页 |
| 5.4 数值实验及结果分析 | 第89-94页 |
| 5.4.1 实验数据来源 | 第89页 |
| 5.4.2 基于BP神经网络的实验结果分析 | 第89-90页 |
| 5.4.3 基于AR-SOM神经网络的实验结果分析 | 第90-94页 |
| 5.5 本章小结 | 第94-95页 |
| 6 结束语 | 第95-98页 |
| 6.1 工作总结 | 第95-96页 |
| 6.2 展望 | 第96-98页 |
| 参考文献 | 第98-110页 |
| 攻读博士学位期间发表的论文及研究成果 | 第110-111页 |
| 致谢 | 第111页 |
