| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究背景与意义 | 第7-9页 |
| ·目前存在的主要结构优化策略 | 第9页 |
| ·本文的主要工作及安排 | 第9-11页 |
| 第二章 矩阵奇异值分解理论 | 第11-18页 |
| ·矩阵的奇异值分解及其说明 | 第11-13页 |
| ·奇异值分解理论 | 第11-12页 |
| ·有关奇异值分解的几点说明 | 第12-13页 |
| ·矩阵奇异值分解的性质及其应用 | 第13-17页 |
| ·奇异值分解的主要性质 | 第13-15页 |
| ·奇异值分解的主要特性及其应用 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于奇异值分解的 BP 网络结构优化及其应用 | 第18-35页 |
| ·神经网络简介 | 第18-21页 |
| ·人工神经元模型 | 第18-19页 |
| ·神经网络的拓扑结构及工作方式 | 第19-20页 |
| ·神经网络泛化理论 | 第20-21页 |
| ·BP 神经网络简介 | 第21-27页 |
| ·BP 神经网络的结构 | 第21-22页 |
| ·BP 神经网络的学习算法 | 第22-25页 |
| ·BP 网络学习算法的改进 | 第25-27页 |
| ·基于奇异值分解的BP 网络结构优化策略 | 第27-30页 |
| ·优化的BP 网络在循环流化床锅炉中的应用 | 第30-34页 |
| ·循环流化床锅炉建模数据的选取与分析 | 第30页 |
| ·建模与仿真 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于奇异值分解的 RBF 网络结构优化及其应用 | 第35-51页 |
| ·RBF 径向基函数神经网络简介 | 第35-39页 |
| ·径向基函数的概念 | 第35-36页 |
| ·RBF 网络结构 | 第36-37页 |
| ·RBF 网络学习算法 | 第37-39页 |
| ·基于奇异值分解的RBF 网络结构优化策略 | 第39-42页 |
| ·优化的RBF 网络在主汽温系统中的应用 | 第42-50页 |
| ·RBF 网络建模数据的选取和分析 | 第43页 |
| ·建模与仿真 | 第43-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 结论 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-56页 |
| 在学期间发表的学术论文和参加科研情况 | 第56页 |