| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的主要工作 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 相关理论研究 | 第16-33页 |
| 2.1 人工神经网络 | 第16-22页 |
| 2.1.1 人工神经网络概述 | 第16页 |
| 2.1.2 人工神经网络结构 | 第16-20页 |
| 2.1.3 人工神经网络学习方法 | 第20-22页 |
| 2.2 RBF神经网络 | 第22-25页 |
| 2.2.1 RBF神经网络基础模型 | 第22-24页 |
| 2.2.2 径向基函数 | 第24-25页 |
| 2.3 RBF神经网络训练算法 | 第25-32页 |
| 2.3.1 误差反向传播和梯度下降法 | 第26-28页 |
| 2.3.2 牛顿算法 | 第28-29页 |
| 2.3.3 高斯-牛顿算法 | 第29-30页 |
| 2.3.4 LM算法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 LM-EC1误差校正算法 | 第33-48页 |
| 3.1 构建基本RBF神经网络 | 第33-34页 |
| 3.2 LM-EC1误差校正算法 | 第34-38页 |
| 3.2.1 传统的RBF神经网络训练方法 | 第34-35页 |
| 3.2.2 LM-EC1误差校正算法的改进思想 | 第35-38页 |
| 3.3 LM-EC1误差校正算法流程 | 第38-40页 |
| 3.4 实验与分析 | 第40-47页 |
| 3.4.1 LM-EC1误差校正算法演示 | 第40-43页 |
| 3.4.2 快速变化函数 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 LM-EC2误差校正算法 | 第48-58页 |
| 4.1 LM-EC2误差校正算法的改进思想 | 第48-50页 |
| 4.2 LM-EC2误差校正算法流程 | 第50-51页 |
| 4.3 实验与分析 | 第51-56页 |
| 4.3.1 LM-EC2算法与LM-EC1算法对比 | 第51-53页 |
| 4.3.2 LM-EC2算法与其他算法对比 | 第53-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 下一步工作 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |