| 中文摘要 | 第1-7页 |
| 引言 | 第7-9页 |
| 第一章 RBF网的基本理论 | 第9-12页 |
| 1．1 RBF神经网络的发展历程 | 第9页 |
| 1．2 RBF网络拓朴结构 | 第9-10页 |
| 1．3 RBF网络的理论基础 | 第10-12页 |
| 第二章 基本的RBF网学习算法 | 第12-32页 |
| 2．1 RBF网络学习算法综述 | 第12-14页 |
| 2．2 常见的几种学习方法简介 | 第14-32页 |
| 2．2．1 梯度下降法 | 第14-17页 |
| 2．2．2 基于遗传算法的RBF学习方法 | 第17-18页 |
| 2．2．3 基于反复迭代的RBF学习方法 | 第18-19页 |
| 2．2．4 基于k—均值聚类的RBF学习方法 | 第19页 |
| 2．2．5 基于正交最小二乘法OLS的RBF学习方法 | 第19-23页 |
| 2．2．6 基于动态均值聚类的RBF学习方法 | 第23-27页 |
| 2．2．7 基于ERPCL的RBF学习方法 | 第27-32页 |
| 第三章 改进的RBF网及其学习方法 | 第32-44页 |
| 3．1 修正步长选取方法简介 | 第32-33页 |
| 3．2 GLVQ算法原理 | 第33-35页 |
| 3．3 修正权值的RGLS方法 | 第35-38页 |
| 3．4 GLVQ—RGLS方法 | 第38-40页 |
| 3．5 几种主要学习方法的性能比较 | 第40-44页 |
| 第四章 RBF网在工业中的应用 | 第44-72页 |
| 4．1 RBF网络在工业建模中的应用 | 第44-52页 |
| 4．1．1 前向模型辨识 | 第45-47页 |
| 4．1．2 逆模型辨识 | 第47-52页 |
| 4．2 神经网络在控制中的应用 | 第52-60页 |
| 4．2．1 直接逆模控制 | 第52-53页 |
| 4．2．2 神经网络前馈与常规反馈联合控制 | 第53-54页 |
| 4．2．3 模型参考自适应控制 | 第54-55页 |
| 4．2．4 内模控制 | 第55-60页 |
| 4．2．4．1 内模控制简介 | 第55-56页 |
| 4．2．4．2 内模控制的性能分析 | 第56-60页 |
| 4．3 基于RBF网的控制实例 | 第60-72页 |
| 4．3．1 基于RBF网的直接自适应控制系统 | 第60-63页 |
| 4．3．2 内模控制系统 | 第63-67页 |
| 4．3．3 CSTR模型及其控制系统 | 第67-72页 |
| 第五章 结论与展望 | 第72-74页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |