| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-33页 |
| ·人工神经网络的起源、特点及应用领域 | 第12-13页 |
| ·人工神经元及感知机模型 | 第13-16页 |
| ·神经网络的基本类型与学习算法 | 第16-18页 |
| ·前馈神经网络 | 第18-22页 |
| ·前馈神经网络的函数逼近能力 | 第22-24页 |
| ·径向基函数神经网络 | 第24-28页 |
| ·小波神经网络 | 第28-29页 |
| ·学习型网络与构造型网络的主要区别 | 第29-31页 |
| ·本文研究的主要内容 | 第31-33页 |
| 第二章 几种构造型前馈神经网络的函数逼近能力研究 | 第33-54页 |
| ·引言 | 第33页 |
| ·插值与函数逼近概述 | 第33-37页 |
| ·构造型sigmoid神经网络的函数逼近 | 第37-41页 |
| ·构造型Gaussian神经网络的函数逼近 | 第41-49页 |
| ·一维Gaussian神经网络精确插值 | 第41-43页 |
| ·一维Gaussian神经网络近似插值 | 第43-45页 |
| ·一维Gaussian神经网络一致逼近 | 第45-48页 |
| ·多维Gaussian神经网络逼近 | 第48-49页 |
| ·基于径向基函数网络的似插值与函数逼近 | 第49-53页 |
| ·引言 | 第49页 |
| ·RBF拟插值 | 第49-52页 |
| ·数值实验 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第三章 构造型前馈小波神经网络模型的函数逼近能力研究 | 第54-73页 |
| ·引言 | 第54页 |
| ·小波分析与常用小波函数概述 | 第54-61页 |
| ·精确一维小波神经插值 | 第61-64页 |
| ·近似一维小波神经插值 | 第64-66页 |
| ·一维小波神经网络一致逼近 | 第66-68页 |
| ·一维数值实验 | 第68-71页 |
| ·近似多维小波神经网络插值 | 第71-72页 |
| ·小结 | 第72-73页 |
| 第四章 基于构造型小波径向基神经网络的多维数据逼近 | 第73-86页 |
| ·引言 | 第73页 |
| ·精确插值的存在性 | 第73-76页 |
| ·多维近似小波径向基神经插值 | 第76-78页 |
| ·多维小波径向基神经网络一致逼近连续函数 | 第78-80页 |
| ·数值实验 | 第80-85页 |
| ·结论 | 第85-86页 |
| 第五章 基于构造型L~2(R)RBF神经网络的多维函数一致逼近 | 第86-107页 |
| ·引言 | 第86页 |
| ·精确L~2(R)RBF神经插值 | 第86-89页 |
| ·多维L~2(R)RBF神经近似插值 | 第89-91页 |
| ·基于L~2(R)RBF神经网络的多维函数一致逼近 | 第91-93页 |
| ·数值实验 | 第93-106页 |
| ·通过Gaussian函数对f_1(x,y)进行逼近 | 第93-95页 |
| ·通过Morlet wavelet函数对f_1(x,y)进行逼近 | 第95-97页 |
| ·通过Gaussian函数对f_2(x,y)进行逼近 | 第97-98页 |
| ·通过Morlet wavelet函数对f_2(x,y)进行逼近 | 第98-100页 |
| ·通过Gaussian函数对f_3(x,y)进行逼近 | 第100-101页 |
| ·通过Morlet wavelet函数对f_3(x,y)力进行逼近 | 第101-103页 |
| ·通过Gaussian函数对f_4(x,y)进行逼近 | 第103-104页 |
| ·通过Morlet wavelet函数对f_4(x,y)进行逼近 | 第104-106页 |
| ·小结 | 第106-107页 |
| 第六章 构造型前馈sigmoid网络在EEG信号预测中的应用 | 第107-117页 |
| ·引言 | 第107页 |
| ·学习型BP神经网络在脑电图信号预测中的应用 | 第107-112页 |
| ·非训练型sigmoid神经网络模型的结构与定义 | 第112-113页 |
| ·算法设计 | 第113-114页 |
| ·数值实验 | 第114-116页 |
| ·小结 | 第116-117页 |
| 第七章 构造型小波神经网络在长株潭地区环境数据预测中的应用 | 第117-132页 |
| ·引言 | 第117-119页 |
| ·学习型BP神经网络方法对元素分布演变规律分析 | 第119-126页 |
| ·构造型小波神经网络在小样本数据预测中的应用 | 第126-131页 |
| ·模型的构建 | 第126页 |
| ·模型的求解与预测 | 第126-131页 |
| ·小结 | 第131-132页 |
| 第八章 构造型小波神经网络在股市数据挖掘中的应用 | 第132-144页 |
| ·引言 | 第132页 |
| ·纯小波分析在股市技术分析中的应用 | 第132-137页 |
| ·学习型BP神经网络在股市预测中的应用 | 第137-141页 |
| ·小波神经网络的构造 | 第141页 |
| ·模型求解与预测 | 第141-143页 |
| ·小结 | 第143-144页 |
| 第九章 研究工作总结与展望 | 第144-146页 |
| ·研究工作总结 | 第144-145页 |
| ·展望 | 第145-146页 |
| 参考文献 | 第146-154页 |
| 附录 | 第154-172页 |
| 致谢 | 第172-173页 |
| 攻读博士学位期间的主要研究成果 | 第173-174页 |
