复杂非线性系统的小波神经网络建模及其应用
| 前言 | 第1-12页 |
| 第一章 小波分析 | 第12-21页 |
| ·小波分析的由来与发展 | 第12-13页 |
| ·连续小波变换 | 第13-16页 |
| ·小波变换的定义及反演 | 第13-14页 |
| ·小波变换的时频分析 | 第14页 |
| ·几种常用的小波 | 第14-16页 |
| ·离散小波变换 | 第16-18页 |
| ·离散小波变换的定义 | 第16页 |
| ·小波框架的概念及由框架重建原函数 | 第16-18页 |
| ·多分辨率分析 | 第18-20页 |
| ·多分辨率分析的定义 | 第18-19页 |
| ·小波分解 | 第19-20页 |
| 小结 | 第20-21页 |
| 第二章 小波神经网络的研究 | 第21-30页 |
| ·小波网络（WNN）的特征 | 第21页 |
| ·小波网络在控制系统中的应用 | 第21-22页 |
| ·系统辨识和建模 | 第21-22页 |
| ·自适应控制和预测控制 | 第22页 |
| ·故障检测 | 第22页 |
| ·人工神经网络的逼近能力 | 第22-25页 |
| ·神经网络的逼近结构 | 第22-23页 |
| ·多层前馈网络的逼近能力 | 第23-24页 |
| ·径向基函数网络（ＲＢＦ）的逼近能力 | 第24-25页 |
| ·小波神经网络逼近能力的研究 | 第25-27页 |
| ·小波神经网络与人工神经网络逼近能力比较 | 第27-29页 |
| 小结 | 第29-30页 |
| 第三章 自适应小波神经网络及其算法的研究 | 第30-44页 |
| ·小波网络的构成方式 | 第30-34页 |
| ·激励函数为小波函数的小波网络 | 第30页 |
| ·激励函数为尺度函数的小波网络 | 第30-31页 |
| ·激励函数为尺度函数和小波函数的自适应小波网络 | 第31-34页 |
| ·自适应小波神经网络的结构设计 | 第34-38页 |
| ·简单遗传算法（ＳＧＡ）设计 | 第34-36页 |
| ·基于遗传算法的子网结构辨识方法 | 第36-38页 |
| ·参数优化 | 第38-39页 |
| ·样条小波的构造 | 第39-42页 |
| ·自适应小波神经网络学习算法的程序框图 | 第42-43页 |
| 小结 | 第43-44页 |
| 第四章 仿真和应用实例 | 第44-57页 |
| ·自适应小波神经网络的仿真实例 | 第44-49页 |
| ·细节子网的阶数对自适应小波神经网络的影响 | 第44-47页 |
| ·自适应小波神经网络的泛化能力分析 | 第47-49页 |
| ·对油田录井色谱数据建模 | 第49-55页 |
| ·小波变换去噪法 | 第49-52页 |
| ·自适应小波网络在油田录井数据建模中的应用 | 第52-55页 |
| ·对油田试井压力数据建模 | 第55-57页 |
| 小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 大庆石油学院 硕士研究生学位论文摘要 | 第62-68页 |
