| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题的研究背景和意义 | 第8-9页 |
| ·国内外研究状况 | 第9-10页 |
| ·本文的主要工作 | 第10-12页 |
| 第二章 人工神经网络概述 | 第12-19页 |
| ·人工神经网络的基本原理及数学模型 | 第12-14页 |
| ·人工神经网络的基本原理 | 第12-13页 |
| ·人工神经网络的数学模型 | 第13-14页 |
| ·人工神经网络拓扑结构 | 第14-15页 |
| ·人工神经网络基本算法 | 第15-19页 |
| ·BP算法的基本原理 | 第15-17页 |
| ·BP算法中网络结构的设计 | 第17-19页 |
| 第三章 过程神经元网络 | 第19-25页 |
| ·引言 | 第19页 |
| ·过程神经元网络 | 第19-22页 |
| ·多聚合过程神经元网络 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第四章 离散粒子群优化的多聚合过程神经元网络学习算法 | 第25-32页 |
| ·离散粒子群优化的多聚合过程神经元网络学习算法的提出 | 第25页 |
| ·粒子群优化算法的基本原理与算法流程 | 第25-27页 |
| ·离散粒子群优化与多聚合过程神经元网络的结合 | 第27-29页 |
| ·数值实验及其分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第五章 基于多聚合过程神经元网络的宁东大气污染物浓度预测研究 | 第32-39页 |
| ·引言 | 第32-33页 |
| ·宁东大气污染物SO_2、PM_(10)浓度的预测研究 | 第33-38页 |
| ·离散粒子群优化的多聚合过程神经元网络的SO_2浓度预测研究 | 第34-35页 |
| ·离散粒子群的多聚合过程神经元网络的PM_(10)浓度预测研究 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第六章 总结与展望 | 第39-40页 |
| ·总结 | 第39页 |
| ·展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 致谢 | 第43-44页 |
| 攻读硕士期间撰写的论文、参与的项目及个人简历 | 第44-45页 |
| 1 硕士期间撰写的论文 | 第44页 |
| 2 在校期间参与的科研项目 | 第44页 |
| 3 个人简历 | 第44-45页 |
| 附录 | 第45-50页 |
