| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题背景及意义 | 第11页 |
| ·研究方法概述 | 第11-15页 |
| 第2章 自适应谐振理论(ART)网络及遗传算法(GA) | 第15-30页 |
| ·ART网络概述 | 第15-24页 |
| ·ART网络的研究背景 | 第15页 |
| ·ART网络模型 | 第15-17页 |
| ·ART模型的数学描述 | 第17-19页 |
| ·ART网络工作过程 | 第19-22页 |
| ·ART模型的学习算法 | 第22-24页 |
| ·遗传算法 | 第24-29页 |
| ·遗传算法的研究历史 | 第24-25页 |
| ·遗传算法的基本概念 | 第25-26页 |
| ·遗传算法原理 | 第26-27页 |
| ·遗传算法工作实例 | 第27-29页 |
| ·结论 | 第29-30页 |
| 第3章 基于属性权值的ART(AWART)网络 | 第30-40页 |
| ·AWART基本思想 | 第30页 |
| ·AWART基础定义 | 第30-31页 |
| ·属性本质(AE) | 第30页 |
| ·属性权值(AW) | 第30-31页 |
| ·AWART工作原理 | 第31-38页 |
| ·AWART的初始化 | 第32页 |
| ·AWART的选择分类 | 第32-33页 |
| ·AWART的有监督学习 | 第33-34页 |
| ·AWART中AE的生成 | 第34页 |
| ·遗传算法中AW初始种群的生成 | 第34-35页 |
| ·遗传算法对AW的迭代进化 | 第35-37页 |
| ·AWART的预测分类 | 第37-38页 |
| ·AWART网络应用实例 | 第38-39页 |
| ·结论 | 第39-40页 |
| 第4章 AWART网络竞争规则的抽取方法 | 第40-48页 |
| ·研究神经网络规则抽取的意义 | 第40页 |
| ·AWART网络竞争规则的抽取 | 第40-46页 |
| ·竞争规则的产生 | 第41-42页 |
| ·竞争规则的形式化描述 | 第42页 |
| ·竞争规则的使用 | 第42-43页 |
| ·在VOTING数据集上抽取的竞争规则 | 第43-44页 |
| ·竞争规则的精化 | 第44-46页 |
| ·结论 | 第46-48页 |
| 第5章 AWART网络在地震预报中的应用 | 第48-57页 |
| ·AWART在强震时间序列预报中的应用 | 第49-51页 |
| ·地震学中的强震时间序列预报方法 | 第49页 |
| ·利用AWART预报震级 | 第49-51页 |
| ·AWART在异常项目综合预报中的应用 | 第51-55页 |
| ·异常项目的表示 | 第51-53页 |
| ·获取AWART学习样本 | 第53-54页 |
| ·利用AWART预报震级 | 第54-55页 |
| ·结论 | 第55-57页 |
| 第6章 结论与展望 | 第57-59页 |
| ·主要结论与工作 | 第57-58页 |
| ·今后工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |