径向基函数神经网络学习算法研究

中文摘要	第1-4页
ABSTRACT	第4-9页
第一章 绪论	第9-20页
·神经网络概述	第9-15页
·神经网络的发展	第10-12页
·神经元模型和网络结构	第12-14页
·神经网络的学习	第14-15页
·RBF 网络学习算法研究现状	第15-18页
·本文主要研究工作	第18-20页
第二章 径向基函数神经网络	第20-32页
·RBF 网络原理	第20-27页
·径向基函数与插值问题	第20-22页
·正则化网络	第22-24页
·RBF 网络模型	第24-25页
·RBF 网络逼近性能	第25页
·核回归与RBF 网络	第25-27页
·RBF 网络常用学习算法	第27-32页
·聚类方法	第28-29页
·梯度训练方法	第29-30页
·正交最小二乘学习算法	第30-32页
第三章 微分进化正交最小二乘学习算法	第32-44页
·进化计算与RBF 网络学习	第32-33页
·微分进化算法	第33-37页
·DE 的基本策略	第34-36页
·DE 的控制参数	第36页
·DE 的特点	第36-37页
·正交最小二乘学习算法分析	第37-38页
·微分进化正交最小二乘学习算法	第38-40页
·实验	第40-44页
·Hermite 多项式近似	第40-41页
·Mackey-Glass 时间序列预测	第41-44页
第四章 快速鲁棒学习算法	第44-52页
·减聚类方法	第44-46页
·定标鲁棒代价函数	第46-47页
·快速鲁棒学习算法	第47-48页
·实验	第48-52页
第五章 总结和展望	第52-53页
参考文献	第53-58页
攻读硕士学位期间所做的科研工作	第58-59页
致谢	第59-60页
详细摘要	第60-63页