| 第1章 绪论 | 第1-21页 |
| 1．1 论文课题来源、背景及意义 | 第9-11页 |
| 1．2 舰船运动极短期预报研究及发展情况 | 第11-19页 |
| 1．3 本文的主要工作 | 第19-21页 |
| 第2章 神经网络的理论基础 | 第21-34页 |
| 2．1 神经网络理论的发展简史 | 第21-24页 |
| 2．2 神经网络的基本概念和特征 | 第24-26页 |
| 2．3 神经网络构成的基本原理和功能 | 第26-30页 |
| 2．4 神经网络模型的分类、工作过程和模型 | 第30-31页 |
| 2．5 研究神经网络的意义 | 第31-33页 |
| 2．6 本章小结 | 第33-34页 |
| 第3章 多层前馈型神经网络 | 第34-54页 |
| 3．1 多层前馈型神经网络的基本学习方法 | 第34-39页 |
| 3．2 多层前馈型神经网络的误差反向传播算法 | 第39-46页 |
| 3．3 BP算法所存在的问题及若干改进 | 第46-48页 |
| 3．4 隐含层数和层内单元（节点）数的确定 | 第48-52页 |
| 3．5 本章小结 | 第52-54页 |
| 第4章 反馈型神经网络 | 第54-67页 |
| 4．1 离散型Hopfield神经网络 | 第54-61页 |
| 4．2 连续型Hopfield神经网络 | 第61-65页 |
| 4．3 本章小结 | 第65-67页 |
| 第5章 基于神经网络方法的时间序列建模与预报 | 第67-101页 |
| 5．1 引言 | 第67-68页 |
| 5．2 ARMA模型和神经网络逼近 | 第68-70页 |
| 5．3 动态神经网络 | 第70-78页 |
| 5．3．1 用回归神经网络逼近NARMA模型 | 第71-73页 |
| 5．3．2 网络模型及其算法规则 | 第73-78页 |
| 5．4 基于动态神经网络方法的舰船姿态运动极短期预报 | 第78-99页 |
| 5．4．1 DRNN预报模型的初始化研究 | 第78-80页 |
| 5．4．2 仿真结果 | 第80-97页 |
| 5．4．3 仿真结果讨论 | 第97-99页 |
| 5．5 本章小结 | 第99-101页 |
| 结论 | 第101-103页 |
| 参考文献 | 第103-107页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第107-108页 |
| 致谢 | 第108页 |