| 第一章 绪论 | 第1-31页 |
| ·研究背景和意义 | 第21-22页 |
| ·神经网络发展和现状 | 第22-25页 |
| ·神经网络在控制领域中的应用 | 第25-27页 |
| ·转台控制策略 | 第27-28页 |
| ·研究目的和范围 | 第28-29页 |
| ·研究内容 | 第29-31页 |
| 第二章 前向神经网络学习问题理论分析 | 第31-73页 |
| ·引言 | 第31-33页 |
| ·前向神经网络结构 | 第33-34页 |
| ·前向神经网络数学表示 | 第34-36页 |
| ·前向神经网络学习问题数学描述 | 第36-37页 |
| ·前向神经网络学习问题理论分析 | 第37-64页 |
| ·增广网络输入向量相对期望输出的可映射性分析 | 第37-39页 |
| ·增广网络输入向量冗余性分析 | 第39-43页 |
| ·隐含层激励函数对网络学习的影响 | 第43-45页 |
| ·动态网络学习参数方程 | 第45页 |
| ·隐含层学习参数集冗余性分析 | 第45-49页 |
| ·动态网络学习参数方程摄动分析 | 第49-55页 |
| ·样本期望风险分析 | 第55-58页 |
| ·单个隐含层神经元对样本期望风险的贡献分析 | 第58-60页 |
| ·样本期望风险估计 | 第60-61页 |
| ·单个隐含层神经元对样本期望风险的贡献估计 | 第61-63页 |
| ·单个隐含层神经元对隐含层学习参数集冗余性影响的估计方法 | 第63-64页 |
| ·网络学习样本集选择理论分析 | 第64-68页 |
| ·隐含层激励函数满足Mercer条件的前向神经网络学习问题理论分析.. | 第68-71页 |
| ·网络数学本质 | 第68-70页 |
| ·网络学习指导理论 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 第三章 前向神经网络学习算法设计 | 第73-112页 |
| ·引言 | 第73-75页 |
| ·前向神经网络基本学习规则 | 第75-77页 |
| ·前向神经网络学习算法设计研究 | 第77-98页 |
| ·一种简单的次优前向神经网络学习算法 | 第77-80页 |
| ·推挽式前向神经网络学习算法 | 第80-87页 |
| ·动态筛选样本的前向神经网络学习算法 | 第87-90页 |
| ·一种动态递增隐含层的多层前向神经网络学习算法 | 第90-94页 |
| ·限定记忆的前向神经网络在线预测学习算法 | 第94-98页 |
| ·前向神经网络学习算法实例分析 | 第98-110页 |
| ·前向神经网络离线学习算法实例分析 | 第98-108页 |
| ·前向神经网络在线预测学习算法实例分析 | 第108-110页 |
| ·本章小结 | 第110-112页 |
| 第四章 基于前向神经网络的转台伺服控制设计 | 第112-145页 |
| ·引言 | 第112-113页 |
| ·基于前向神经网络的转台伺服控制设计 | 第113-144页 |
| ·控制系统描述 | 第113-115页 |
| ·基于前向神经网络的速度伺服控制子系统设计 | 第115-136页 |
| ·位置伺服控制系统设计 | 第136-144页 |
| ·本章小结 | 第144-145页 |
| 第五章 结论 | 第145-147页 |
| 参考文献 | 第147-159页 |
| 致谢 | 第159-160页 |
| 攻读博士期间完成的学术论文 | 第160-161页 |
| 攻读博士期间参与完成的科研项目 | 第161页 |