| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-35页 |
| ·引言 | 第13-14页 |
| ·新神经元模型 | 第14-19页 |
| ·新神经元模型建立依据 | 第19-21页 |
| ·基于生物神经系统所建立的神经元数学模型 | 第19-20页 |
| ·基于M-P模型推广所建立的神经元数学模型 | 第20-21页 |
| ·泛函网络 | 第21-23页 |
| ·泛函网络数值近似计算方法研究的重要性 | 第23-25页 |
| ·本文的主要工作 | 第25-27页 |
| ·本文的结构安排 | 第27-29页 |
| 参考文献 | 第29-35页 |
| 第二章 基于泛函网络的多维函数逼近理论与学习算法 | 第35-49页 |
| ·引言 | 第35-36页 |
| ·泛函网络拓扑结构 | 第36-37页 |
| ·函数逼近与泛函网络 | 第37-38页 |
| ·基于函数逼近的泛函网络 | 第38-40页 |
| ·多维函数的泛函网络逼近算法 | 第40-41页 |
| ·数值仿真结果及讨论 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 第三章 多项式函数型回归泛函网络模型 | 第49-63页 |
| ·引言 | 第49页 |
| ·多项式函数型回归泛函网络(PFRFN) | 第49-52页 |
| ·PFRFN网络展开训练算法 | 第52-53页 |
| ·基于 PFRFN网络的多元多项式近似分解理论 | 第53-56页 |
| ·参数调整学习算法 | 第55页 |
| ·基函数序列的确定方法 | 第55-56页 |
| ·算例及结果分析 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 第四章 层次泛函网络整体学习算法 | 第63-83页 |
| ·引言 | 第63页 |
| ·两种基本泛函网络模型 | 第63-65页 |
| ·单输入单输出泛函网络模型 | 第64页 |
| ·双翰入单愉出泛函网络模型 | 第64-65页 |
| ·层次泛函网络模块化构造方法 | 第65-66页 |
| ·层次泛函网络整体学习算法 | 第66-70页 |
| ·层次泛函网络整体学习能力分析 | 第70-76页 |
| ·适合于非线性多项式方程组求解的层次泛函网络学习算法 | 第71-73页 |
| ·初始训练样本数据的确定 | 第73-74页 |
| ·基于泛函网络的一元多项式求根学习算法 | 第74-75页 |
| ·基于泛函网络的一元多项式求根学习算法理论基础 | 第75-76页 |
| ·仿真结果与分析 | 第76-78页 |
| ·讨论 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 第五章 基干泛函网络的多项式 EUCLIDEAN算法 | 第83-95页 |
| ·引言 | 第83-84页 |
| ·多项式 EUCLIDEAN算法的泛函网络模型 | 第84-87页 |
| ·多项式带余除法的泛函网络模型 | 第84-86页 |
| ·Euclidean算法的泛函网络模型 | 第86-87页 |
| ·基于泛函网络的多项式 EUCLIDEAN学习算法 | 第87-89页 |
| ·算例与分析 | 第89-92页 |
| ·本章小结 | 第92-93页 |
| 参考文献 | 第93-95页 |
| 第六章 FUZZY插值及其 FUZZY泛函网络的构造 | 第95-111页 |
| ·引言 | 第95-96页 |
| ·FUZZY泛函网络 | 第96-97页 |
| ·Fuzzy泛函神经元 | 第96-97页 |
| ·FUZZY泛函网络的插值机理 | 第97-99页 |
| ·单输入单输出Fuzzy泛函网络模型 | 第97页 |
| ·双输入单输出Fuzzy泛函网络模型 | 第97-99页 |
| ·Fuzzy泛函网络的构造方法 | 第99-103页 |
| ·FUZZY泛函网络构造理论 | 第103-108页 |
| ·本章小结 | 第108-109页 |
| 参考文献 | 第109-111页 |
| 第七章 复值可分离泛函网络及其学习算法 | 第111-125页 |
| ·引言 | 第111页 |
| ·复值泛函网络 | 第111-112页 |
| ·复值泛函神经元 | 第112-114页 |
| ·复值可分离泛函网络学习算法 | 第114-118页 |
| ·数值例子与讨论 | 第118-121页 |
| ·XOR问题 | 第118-120页 |
| ·讨论 | 第120-121页 |
| ·本章小结 | 第121-123页 |
| 参考文献 | 第123-125页 |
| 第八章 序列泛函网络模型及其学习算法 | 第125-145页 |
| ·引言 | 第125页 |
| ·序列泛函网络 | 第125-126页 |
| ·序列泛函网络学习算法 | 第126-128页 |
| ·序列泛函网络用于求解泛函方程 | 第128-134页 |
| ·仿真结果及分析 | 第134-140页 |
| ·本章小结 | 第140-145页 |
| 第九章 基于遗传规划实现泛函网络神经元函数类型优化 | 第145-159页 |
| ·引言 | 第145页 |
| ·遗传规划简介 | 第145-149页 |
| ·函数的构成及表示 | 第146-147页 |
| ·遗传操作 | 第147-149页 |
| ·基于GP的单个泛函神经元优化设计 | 第149-151页 |
| ·终止符集、函数(运算符)集定义 | 第149-150页 |
| ·目标函数、适应度函数的定义 | 第150页 |
| ·GP中泛函神经元个体的描述 | 第150-151页 |
| ·GP的进化策略 | 第151页 |
| ·仿真实验 | 第151-155页 |
| ·本章小结 | 第155-156页 |
| 参考文献 | 第156-159页 |
| 第十章 总结与展望 | 第159-163页 |
| ·论文工作总结 | 第159-161页 |
| ·展望和进一步工作 | 第161-163页 |
| 攻读博士期间发表的主要论文 | 第163-167页 |
| 攻读博士期间主持的科研项目 | 第167-169页 |
| 致谢 | 第169页 |
