| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·神经计算科学的发展历程 | 第11-12页 |
| ·早期 | 第11页 |
| ·过渡期 | 第11页 |
| ·发展期 | 第11-12页 |
| ·岩土材料本构关系的概述 | 第12-15页 |
| ·一般应力应变关系表达式 | 第12-14页 |
| ·具体情况下的应力应变关系 | 第14-15页 |
| ·神经计算科学在岩土工程中的应用 | 第15-16页 |
| ·本文的主要研究内容及结构 | 第16-18页 |
| ·主要研究内容 | 第16-17页 |
| ·组织结构 | 第17-18页 |
| 第2章 RBFNN 及其构建算法 | 第18-36页 |
| ·ANN 概述 | 第18-21页 |
| ·RBFNN 的数学基础 | 第21-24页 |
| ·径向基函数 | 第21-23页 |
| ·内插问题 | 第23-24页 |
| ·RBFNN 的结构和工作原理 | 第24-27页 |
| ·RBFNN 体系结构 | 第24页 |
| ·RBFNN 工作原理 | 第24-27页 |
| ·RBF 神经网络的相关算法 | 第27-36页 |
| ·RBFNN 中心的确定 | 第28-29页 |
| ·RBFNN 权值的调整 | 第29页 |
| ·最近邻聚类学习算法 | 第29-33页 |
| ·RBFNN 全域学习算法 | 第33-36页 |
| 第3章 BC-RBFNN 及相关算法 | 第36-53页 |
| ·BC-BRFNN 形成的基础 | 第36-38页 |
| ·生理基础 | 第36-37页 |
| ·数学基础 | 第37-38页 |
| ·BC-RBFNN 的结构和原理 | 第38-43页 |
| ·人工神经元模型 | 第38-39页 |
| ·BC-RBFNN 结构 | 第39-40页 |
| ·BC-RBFNN 原理 | 第40-43页 |
| ·BC-RBFNN 的相关算法 | 第43-48页 |
| ·BC-RBFNN 的聚类算法 | 第43-46页 |
| ·BC-RBFNN 中心向量的选取 | 第46页 |
| ·BC-RBFNN 组织算法 | 第46-47页 |
| ·BC-RBFNN 工作算法 | 第47-48页 |
| ·BC-RBFNN 性能分析 | 第48-53页 |
| ·BC-RBFNN 复杂性 | 第48-51页 |
| ·BC-RBFNN 函数逼近能力 | 第51页 |
| ·BC-RBFNN 学习收敛与泛化 | 第51-53页 |
| 第4章 BC-RBFNN 在岩土工程中的应用 | 第53-65页 |
| ·数值模型的建立 | 第53-55页 |
| ·实验简介 | 第53-54页 |
| ·数值模型 | 第54-55页 |
| ·基于 BC-RBFNN 弹塑性本构模型 | 第55-62页 |
| ·模型的数据处理 | 第55-60页 |
| ·模型的体系结构 | 第60-62页 |
| ·基于 BC-RBFNN 弹塑性本构模型的仿真分析 | 第62-65页 |
| 第5章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 附录 A 基于 BC-RBFNN 弹塑性本构模型主要源程序 | 第71-75页 |
| 在学期间发表的学术论文 | 第75页 |