基于遗传算法的RBF神经网络及其在系统辨识中的应用
| 第一章 绪论 | 第1-12页 |
| ·引言 | 第6页 |
| ·人工神经网络的特点及发展展望 | 第6-8页 |
| ·人工神经网络的特点 | 第6-7页 |
| ·人工神经网络的发展 | 第7-8页 |
| ·神经网络与系统辨识 | 第8-10页 |
| ·本文研究的主要内容 | 第10-12页 |
| 第二章 RBF神经网络及其学习算法 | 第12-23页 |
| ·前馈式神经网络 | 第12页 |
| ·RBF神经网络原理 | 第12-15页 |
| ·RBF与插值问题 | 第12-14页 |
| ·RBF网络结构 | 第14-15页 |
| ·RBF学习算法综述 | 第15-21页 |
| ·混合学习方法 | 第15-19页 |
| ·有监督学习 | 第19-20页 |
| ·正交最小二乘法(OLS) | 第20-21页 |
| ·RBF神经网络的优点及问题 | 第21-23页 |
| 第三章 基于神经网络的系统辨识 | 第23-30页 |
| ·神经网络辨识概述 | 第23-24页 |
| ·非线性系统模型 | 第24-25页 |
| ·神经网络系统辨识的结构 | 第25-28页 |
| ·系统辨识的内容和步骤 | 第28-29页 |
| ·神经网络系统辨识的一般步骤 | 第29页 |
| ·神经网络用于系统辨识需要解决的问题 | 第29-30页 |
| 第四章 基于遗传算法的RBF神经网络优化算法 | 第30-44页 |
| ·遗传算法的基本原理和方法 | 第30-36页 |
| ·遗传算法基本介绍 | 第30-31页 |
| ·遗传算法基本步骤 | 第31页 |
| ·编码 | 第31-32页 |
| ·适应度函数 | 第32页 |
| ·选择策略 | 第32-33页 |
| ·交叉 | 第33-34页 |
| ·变异 | 第34-35页 |
| ·遗传算法的特点 | 第35-36页 |
| ·基于遗传算法的RBF神经网络优化算法 | 第36-40页 |
| ·算法详细设计 | 第37-40页 |
| ·算法具体步骤 | 第40页 |
| ·仿真试验 | 第40-43页 |
| ·小结 | 第43-44页 |
| 第五章 基于遗传算法的RBF神经网络用于系统辨识 | 第44-51页 |
| ·仿真实验一 | 第44-48页 |
| ·仿真实验二 | 第48-50页 |
| ·结论 | 第50-51页 |
| 第六章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读学位期间的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 学位论文独创性声明 | 第57页 |
| 学位论文知识产权权属声明 | 第57页 |
