| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·神经网络的发展历史 | 第7-8页 |
| ·神经网络的理论基础 | 第8-11页 |
| ·人工神经元 | 第8-9页 |
| ·神经网络的分类和学习 | 第9-11页 |
| ·遗传算法简介 | 第11-14页 |
| 第二章 遗传算法优化的单变量系统的神经网络PID控制 | 第14-28页 |
| ·引言 | 第14页 |
| ·问题描述 | 第14-15页 |
| ·遗传算法优化权值 | 第15-17页 |
| ·权值修正 | 第17-21页 |
| ·权值训练算法 | 第21-23页 |
| ·仿真 | 第23-28页 |
| 第三章 遗传算法优化的多变量系统的神经网络PID控制 | 第28-45页 |
| ·引言 | 第28页 |
| ·问题描述 | 第28-29页 |
| ·遗传算法优化权值 | 第29-31页 |
| ·权值修正 | 第31-32页 |
| ·权值训练算法 | 第32-34页 |
| ·改进的遗传算法PID神经网络多变量控制方法研究 | 第34-39页 |
| ·结构形式和计算方法 | 第34-36页 |
| ·反传学习算法 | 第36-38页 |
| ·权值初始值的设定以及学习结束条件 | 第38页 |
| ·权值训练算法 | 第38-39页 |
| ·仿真研究 | 第39-45页 |
| ·遗传算法优化的多步预测性能指标函数下多变量系统的神经网络PID控制 | 第39-42页 |
| ·改进的遗传算法PID神经网络多变量控制方法 | 第42-45页 |
| 第四章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49页 |
