自适应泛函网络循环结构与学习算法
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·Banach 压缩映射原理研究现状 | 第8页 |
| ·泛函网络国内外研究现状 | 第8-10页 |
| ·论文的创新点 | 第10页 |
| ·论文的主要工作及结构安排 | 第10-11页 |
| 2 压缩映射原理与泛函网络 | 第11-24页 |
| ·压缩映射原理 | 第11页 |
| ·泛函网络 | 第11-23页 |
| ·泛函神经元 | 第11-13页 |
| ·泛函网络的基本元素 | 第13-14页 |
| ·泛函网络的拓扑结构 | 第14-16页 |
| ·两种基本的泛函网络模型 | 第16-17页 |
| ·泛函网络与神经网络的区别与联系 | 第17-19页 |
| ·泛函网络的学习过程 | 第19-20页 |
| ·泛函网络求解问题方法示例介绍 | 第20-22页 |
| ·泛函网络数值近似方法研究的重要性 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 自适应循环泛函网络函数逼近结构 | 第24-33页 |
| ·基于泛函网络的函数逼近 | 第24-25页 |
| ·一类自适应泛函网络循环结构 | 第25-27页 |
| ·自适应泛函网络循环结构的性质 | 第27页 |
| ·自适应泛函网络循环结构学习算法 | 第27-29页 |
| ·仿真结果及分析 | 第29-32页 |
| ·结论 | 第32-33页 |
| 4 自适应泛函网络循环结构的代数算法 | 第33-39页 |
| ·自适应泛函网络循环结构的代数算法 | 第33-36页 |
| ·仿真实例与结果分析 | 第36-37页 |
| ·结论 | 第37-39页 |
| 5 进化泛函网络 | 第39-49页 |
| ·基于进化机制的泛函网络设计方法 | 第40-46页 |
| ·进化泛函网络设计方法 | 第40-43页 |
| ·进化泛函网络结构设计步骤 | 第43页 |
| ·整体逼近性能测定 | 第43-44页 |
| ·泛函参数直接确定 | 第44-46页 |
| ·数值仿真实例 | 第46-48页 |
| ·结论 | 第48-49页 |
| 6 结束语 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 附录 | 第55-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间参与的科研项目 | 第58-59页 |
| 攻读硕士期间完成的学术论文 | 第59页 |
