| 图表索引 | 第1-16页 |
| 符号索引 | 第16-18页 |
| 第一章 绪论 | 第18-28页 |
| 1．1 神经网络技术的发展及现状 | 第18-21页 |
| 1．1．1 神经网络的发展 | 第19-20页 |
| 1．1．2 神经网络的特点及其用于控制领域的优越性 | 第20-21页 |
| 1．2 神经网络系统辨识的应用现状 | 第21-22页 |
| 1．3 递归神经网络的兴起 | 第22-23页 |
| 1．4 神经网络学习算法的现状 | 第23-24页 |
| 1．4．1 BP学习算法的产生 | 第23-24页 |
| 1．4．2 递归神经网络学习算法的现状 | 第24页 |
| 1．5 课题的提出及创新 | 第24-26页 |
| 1．6 论文结构 | 第26-28页 |
| 第二章 递归神经网络的结构 | 第28-40页 |
| 2．1 引言 | 第28页 |
| 2．2 全局反馈型递归神经网络 | 第28-30页 |
| 2．2．1 ARX网络和 NARX网络 | 第28-29页 |
| 2．2．2 Hopfield网络 | 第29-30页 |
| 2．2．3 约旦网络 | 第30页 |
| 2．3 前向递归神经网络 | 第30-38页 |
| 2．3．1 局部联接递归神经网络 | 第30-35页 |
| 2．3．2 全联接型递归神经网络 | 第35-38页 |
| 2．4 混合型递归神经网络 | 第38页 |
| 2．5 小结 | 第38-40页 |
| 第三章 性能优化及BP算法 | 第40-48页 |
| 3．1 性能优化 | 第40-43页 |
| 3．1．1 最速下降法 | 第40-42页 |
| 3．1．2 牛顿法 | 第42-43页 |
| 3．2 BP算法 | 第43-48页 |
| 3．2．1 反向传播的思想 | 第43-47页 |
| 3．2．2 BP算法小结 | 第47-48页 |
| 第四章 递归神经网络的学习算法 | 第48-59页 |
| 4．1 递归神经网络的基本模型 | 第48-49页 |
| 4．2 递归神经网络的基本学习算法 | 第49-52页 |
| 4．2．1 引言 | 第49-50页 |
| 4．2．2 内时延反馈型递归神经网络的BP学习算法 | 第50-52页 |
| 4．3 递归神经网络的先进学习算法 | 第52-59页 |
| 4．3．1 基于递推最小二乘法的递归神经网络 | 第52-56页 |
| 4．3．2 递归神经网络的RPE算法 | 第56-59页 |
| 第五章 递归神经网络的 LM学习算法及改进 | 第59-68页 |
| 5．1 引言 | 第59页 |
| 5．2 LM算法 | 第59-61页 |
| 5．3 递归神经网络的 LM学习算法 | 第61-65页 |
| 5．3．1 对角递归神经网络的 LM学习算法 | 第61-64页 |
| 5．3．2 一般递归神经网络的 LM学习算法 | 第64-65页 |
| 5．4 递归神经网络的并行 LM学习算法 | 第65-67页 |
| 5．5 小结 | 第67-68页 |
| 第六章 递归神经网络的Alopex算法及改进 | 第68-75页 |
| 6．1 引言 | 第68页 |
| 6．2 Alopex算法 | 第68-69页 |
| 6．3 递归神经网络的Alopex算法 | 第69-71页 |
| 6．4 递归神经网络的改进Alopex算法 | 第71-74页 |
| 6．5 小结 | 第74-75页 |
| 第七章 递归神经网络的系统辨识 | 第75-94页 |
| 7．1 引言 | 第75-76页 |
| 7．2 传统辨识与神经网络辨识 | 第76-79页 |
| 7．3 神经网络辨识的基本结构 | 第79-80页 |
| 7．3．1 正向建模 | 第79页 |
| 7．3．2 逆向建模 | 第79-80页 |
| 7．4 非线性动态系统的神经网络辨识 | 第80-83页 |
| 7．4．1 非线性动态系统的描述 | 第80-81页 |
| 7．4．2 前向神经网络对非线性动态系统辨识 | 第81-82页 |
| 7．4．3 递归神经网络对非线性动态系统辨识 | 第82-83页 |
| 7．5 递归神经网络建模实例 | 第83-93页 |
| 7．5．1 函数逼近 | 第84-87页 |
| 7．5．2 燃油加热炉的建模 | 第87-89页 |
| 7．5．3 传感器校正 | 第89-93页 |
| 7．6 小结 | 第93-94页 |
| 第八章 结束语 | 第94-97页 |
| 参考文献 | 第97-103页 |
| 致谢 | 第103-104页 |
| 攻读硕士研究生学位期间发表的论文 | 第104页 |