基于神经网络的船舶运动姿态建模预报
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·船舶运动建模预报的目的和意义 | 第9-10页 |
| ·国内外的研究现状 | 第10-14页 |
| ·神经网络应用于船舶运动预报的研究现状 | 第14-16页 |
| ·神经网络研究现状 | 第14页 |
| ·神经网络用于船舶运动预报的研究现状 | 第14-16页 |
| ·本文所作的工作 | 第16-17页 |
| 第2章 人工神经网络基础 | 第17-25页 |
| ·人工神经网络概论 | 第17-19页 |
| ·人工神经元模型 | 第19-21页 |
| ·神经网络基本结构 | 第21-23页 |
| ·单层前馈网络 | 第21-22页 |
| ·多层前馈网络 | 第22-23页 |
| ·递归网络 | 第23页 |
| ·人工神经网络学习规则 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于改进的BP神经网络船舶运动预报 | 第25-48页 |
| ·BP神经网络 | 第25-35页 |
| ·BP网络基本原理 | 第25页 |
| ·BP网络的学习算法 | 第25-31页 |
| ·BP网络的局限 | 第31-33页 |
| ·BP网络学习方法的一些常用改进方法 | 第33-35页 |
| ·共轭梯度算法 | 第35-40页 |
| ·共轭梯度算法简介 | 第35页 |
| ·共轭梯度方向的形成 | 第35-38页 |
| ·共轭梯度算法的计算步骤 | 第38-40页 |
| ·用改进的BP神经网络进行预报 | 第40-47页 |
| ·输入数据预处理 | 第40页 |
| ·输入数据归一化处理 | 第40-41页 |
| ·运用改进后的BP网络进行7秒预报 | 第41-44页 |
| ·运用改进后的BP网络进行10秒预报 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于改进的RBF神经网络预报 | 第48-64页 |
| ·径向基函数网络(RBF网络)概述 | 第48页 |
| ·径向基函数网络(RBF网络)原理 | 第48-54页 |
| ·径向基函数神经元模型 | 第50-51页 |
| ·径向基函数网络结构 | 第51-54页 |
| ·利用改进的径向基函数网络进行预报 | 第54-62页 |
| ·改进的RBF网络结构 | 第54-55页 |
| ·应用改进的RBF网络结构进行未来7秒预报 | 第55-58页 |
| ·应用改进的RBF网络结构进行未来10秒预报 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |
