| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 问题的研究意义 | 第7页 |
| 1.2 问题的已有研究 | 第7-8页 |
| 1.3 问题研究的预备知识 | 第8-15页 |
| 1.3.1 失败事件的数学表示 | 第9页 |
| 1.3.2 线性状态函数 | 第9-10页 |
| 1.3.3 非线性特定状态函数 | 第10-11页 |
| 1.3.4 非正态分布随机变量 | 第11-12页 |
| 1.3.5 蒙特卡洛模拟方法 | 第12-15页 |
| 1.4 本文的主要研究内容 | 第15-16页 |
| 第二章 交叉熵方法 | 第16-25页 |
| 2.1 重要性采样 | 第16-18页 |
| 2.2 Kullback-leibler(KL)交叉熵方法 | 第18-20页 |
| 2.3 交叉熵方法在小概率事件预测上的运用 | 第20-21页 |
| 2.4 交叉熵方法的一个简单运用 | 第21-25页 |
| 第三章 目标函数的径向基函数近似 | 第25-31页 |
| 3.1 径向基(RBF)神经网络简介 | 第25-26页 |
| 3.2 梯度下降法 | 第26-27页 |
| 3.3 梯度下降法的效果 | 第27-31页 |
| 第四章 交叉熵和径向基函数逼近在一类电网模型中的运用 | 第31-39页 |
| 4.1 模型建立 | 第31-33页 |
| 4.2 打靶法 | 第33-34页 |
| 4.3 RBF替代模型 | 第34-36页 |
| 4.4 问题的模拟结果 | 第36-39页 |
| 第五章 总结与展望 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 附录一 致谢 | 第42-44页 |