| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第1章 概述 | 第6-15页 |
| 1．1 序言 | 第6-7页 |
| 1．2 神经网络基本理论概述 | 第7-11页 |
| 1．2．1 人工神经元结构模型 | 第8页 |
| 1．2．2 B-P网络和函数映射 | 第8-10页 |
| 1．2．3 B-P网络学习算法 | 第10-11页 |
| 1．2．4 B-P网络存在的缺陷 | 第11页 |
| 1．3 径向基函数网络（RBFN）概述 | 第11-12页 |
| 1．4 小波神经网络概述 | 第12-15页 |
| 第2章 波神经网络理论 | 第15-29页 |
| 2．1 小波分析理论 | 第15-21页 |
| 2．1．1 预备知识 | 第16-17页 |
| 2．1．2 连续小波变换 | 第17-18页 |
| 2．1．3 离散小波变换 | 第18-19页 |
| 2．1．4 小波时频定位 | 第19-21页 |
| 2．1．5 高维小波基 | 第21页 |
| 2．2 小波神经网络理论 | 第21-29页 |
| 2．2．1 用于函数逼近的小波神经网络及其学习算法 | 第22-27页 |
| 2．2．2 小波神经网络的“维数灾” | 第27-29页 |
| 第3章 多维单尺度径向基小波神经网络理论 | 第29-44页 |
| 3．1 径向基函数网络 | 第29-35页 |
| 3．1．1 径向基函数 | 第29-30页 |
| 3．1．2 径向基函数网络（RBFN） | 第30-31页 |
| 3．1．3 RBFN基函数中心选取的OLS方法 | 第31-35页 |
| 3．2 单尺度小波框架理论 | 第35-38页 |
| 3．2．1 单尺度小波函数和多尺度小波函数 | 第35页 |
| 3．2．2 单尺度小波框架和多尺度小波框架 | 第35-37页 |
| 3．2．3 单尺度径向小波框架的构造 | 第37-38页 |
| 3．3 多维单尺度径向基小波神经网络 | 第38-39页 |
| 3．4 伸缩参数和平移参数的确定 | 第39页 |
| 3．5 多维小波神经网络的实现 | 第39-44页 |
| 第4章 用多维小波神经网络求解EEG逆问题 | 第44-51页 |
| 4．1 EEG逆问题简述 | 第44-46页 |
| 4．2 逆问题中样本的构造和预处理 | 第46-47页 |
| 4．3 网络结构参数 | 第47-48页 |
| 4．4 网络训练及测试结果 | 第48-51页 |
| 结论 | 第51-52页 |
| 附录 | 第52-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |