| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景和意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 本文的研究意义 | 第11-12页 |
| 1.2 区间神经网络研究形势 | 第12-13页 |
| 1.3 本文的主要研究内容与思路 | 第13-16页 |
| 第2章 区间理论与离散小波神经网络 | 第16-34页 |
| 2.1 区间理论 | 第16-21页 |
| 2.1.1 区间数及相关概念 | 第16页 |
| 2.1.2 基本区间运算 | 第16-17页 |
| 2.1.3 区间运算的性质 | 第17-18页 |
| 2.1.4 引理 | 第18-21页 |
| 2.2 离散小波神经网络 | 第21-32页 |
| 2.2.1 离散小波变换 | 第21-23页 |
| 2.2.2 紧致小波神经网络结构 | 第23-25页 |
| 2.2.3 松散小波神经网络结构 | 第25页 |
| 2.2.4 离散小波神经网络的结构特点 | 第25-27页 |
| 2.2.5 小波基函数 | 第27-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第3章 两类区间离散小波神经网络 | 第34-60页 |
| 3.1 区间离散小波神经网络结构 | 第34-41页 |
| 3.1.1 网络参数设计 | 第35-39页 |
| 3.1.2 第一类前向区间离散小波神经网络 | 第39-40页 |
| 3.1.3 第二类前向区间离散小波神经网络 | 第40-41页 |
| 3.2 基于梯度下降法的网络参数学习 | 第41-51页 |
| 3.2.1 第一类区间离散小波神经网络的权值学习算法 | 第42-45页 |
| 3.2.2 第二类区间离散小波神经网络的权值学习算法 | 第45-51页 |
| 3.3 数值实验 | 第51-59页 |
| 3.3.1 实验设置 | 第52-54页 |
| 3.3.2 结果与分析 | 第54-59页 |
| 3.4 本章小结 | 第59-60页 |
| 第4章 基于区间求导的区间神经网络 | 第60-74页 |
| 4.1 gH-difference导数法 | 第60-61页 |
| 4.2 基于区间求导的第二类区间BP神经网络 | 第61-68页 |
| 4.2.1 前向计算 | 第61-62页 |
| 4.2.2 基于区间求导算法的误差反向传播过程 | 第62-65页 |
| 4.2.3 数值实验 | 第65-67页 |
| 4.2.4 区间求导方法总结 | 第67-68页 |
| 4.3 基于区间求导的第二类区间离散小波神经网络探讨 | 第68-73页 |
| 4.3.1 前向计算 | 第68页 |
| 4.3.2 基于梯度下降法和区间求导计算规则的网络参数学习 | 第68-71页 |
| 4.3.3 数值实验 | 第71-73页 |
| 4.4 本章总结 | 第73-74页 |
| 第5章 结论与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士学位期间所完成的学术论文 | 第82页 |
