基于人工神经网络的动态系统仿真模型和算法研究
| 第1章 绪论 | 第1-25页 |
| ·研究背景 | 第11-13页 |
| ·系统仿真的作用和应用领域 | 第11页 |
| ·目前采用的方法总结 | 第11-12页 |
| ·现有的方法分析 | 第12页 |
| ·基于人工神经网络的系统仿真方法的提出 | 第12-13页 |
| ·系统仿真的基础知识 | 第13-17页 |
| ·系统仿真基本概念及分类 | 第13-14页 |
| ·动态系统计算机仿真 | 第14-17页 |
| ·人工神经网络 | 第17-23页 |
| ·人工神经网络机制及发展介绍 | 第18页 |
| ·生物神经元 | 第18-19页 |
| ·人工神经元的数学模型 | 第19-20页 |
| ·人工神经网络模型 | 第20-21页 |
| ·过程神经网络 | 第21-23页 |
| ·论文选题与内容安排 | 第23-25页 |
| ·论文选题 | 第23页 |
| ·内容安排 | 第23-25页 |
| 第2章 系统仿真及人工神经网络原理 | 第25-39页 |
| ·引言 | 第25页 |
| ·系统仿真 | 第25-31页 |
| ·相似建模原理 | 第25-27页 |
| ·模型建立方法 | 第27-31页 |
| ·人工神经网络 | 第31-36页 |
| ·人工神经网络的性质 | 第31-34页 |
| ·神经网络的学习方法 | 第34-36页 |
| ·基于ANN 的动态系统仿真 | 第36-39页 |
| ·动态系统的特征和空间描述方法 | 第36页 |
| ·人工神经网络用于仿真的可行性 | 第36-37页 |
| ·动态系统仿真的人工神经网络的模型类型 | 第37页 |
| ·利用人工神经网络进行动态系统仿真的一般步骤 | 第37-39页 |
| 第3章 基于动态神经网络的系统仿真 | 第39-48页 |
| ·延时单元网络 | 第39-41页 |
| ·延时单元网络模型 | 第39页 |
| ·延时单元网络用于系统辨识 | 第39-40页 |
| ·学习算法和仿真实例 | 第40-41页 |
| ·全反馈网络 | 第41页 |
| ·部分反馈网络 | 第41-47页 |
| ·部分反馈网络介绍 | 第41-42页 |
| ·Elman 网络和Jordan 网络及其变形 | 第42-44页 |
| ·学习算法问题 | 第44-45页 |
| ·仿真应用 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第4章 基于过程神经网络的系统仿真模型和算法 | 第48-71页 |
| ·引言 | 第48-49页 |
| ·过程神经元的基本模型 | 第49-55页 |
| ·生物神经元的启示 | 第49页 |
| ·过程神经元的定义 | 第49-51页 |
| ·过程神经元的性质 | 第51-53页 |
| ·时变输入输出过程神经元 | 第53-54页 |
| ·离散过程神经元 | 第54-55页 |
| ·时变输入输出的过程神经元网络模型 | 第55-67页 |
| ·模型的适用条件 | 第55页 |
| ·网络拓扑结构 | 第55-57页 |
| ·模型的性质分析 | 第57-62页 |
| ·学习算法 | 第62-66页 |
| ·系统仿真的实现 | 第66-67页 |
| ·离散过程神经元网络模型 | 第67-70页 |
| ·模型的适用条件 | 第67页 |
| ·模型 | 第67-68页 |
| ·算法 | 第68-69页 |
| ·系统仿真的实现 | 第69-70页 |
| ·小结 | 第70-71页 |
| 第5章 过程神经网络在非线性系统辨识中的应用 | 第71-78页 |
| ·引言 | 第71-72页 |
| ·非线性系统辨识 | 第72页 |
| ·用于辨识问题的过程神经网络模型 | 第72-73页 |
| ·非线性系统辨识过程 | 第73-75页 |
| ·仿真实验 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第6章 结论与展望 | 第78-81页 |
| ·本文的研究成果 | 第78页 |
| ·本文的创新点 | 第78-79页 |
| ·今后的研究工作 | 第79-81页 |
| 附录 攻读硕士期间发表的学术论文 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 中文详细摘要 | 第88-98页 |
