| 第1章 绪论 | 第1-18页 |
| ·引言 | 第11-12页 |
| ·神经网络概述 | 第12-13页 |
| ·神经网络系统辨识的研究现状 | 第13-16页 |
| ·神经网络在线性系统辨识中的应用 | 第13-14页 |
| ·神经网络在非线性系统辨识中的应用 | 第14-16页 |
| ·本课题研究的意义 | 第16-17页 |
| ·本文的主要研究内容 | 第17-18页 |
| 第2章 神经网络辨识的基本原理 | 第18-29页 |
| ·人工神经网络的特点及发展 | 第18-20页 |
| ·人工神经网络的特点 | 第18-19页 |
| ·人工神经网络的发展 | 第19-20页 |
| ·人工神经网络的模型结构及学习过程 | 第20-22页 |
| ·人工神经元的模型结构 | 第20-21页 |
| ·神经网络结构及学习过程 | 第21-22页 |
| ·系统辨识的基本原理和方法 | 第22-28页 |
| ·系统辨识简介 | 第22-23页 |
| ·神经网络辨识的基本方法 | 第23-26页 |
| ·神经网络辨识器分类 | 第26-27页 |
| ·非线性系统的辨识模型及结构 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于前馈网络的非线性系统辨识 | 第29-59页 |
| ·引言 | 第29页 |
| ·静态多层前馈网络模型 | 第29-31页 |
| ·BP算法及非线性系统辨识仿真研究 | 第31-38页 |
| ·标准BP算法 | 第31-33页 |
| ·BP算法实施步骤 | 第33-34页 |
| ·非线性系统辨识仿真研究 | 第34-38页 |
| ·基于遗传算法的非线性系统辨识仿真研究 | 第38-49页 |
| ·遗传算法的基本思想 | 第38页 |
| ·遗传算法的编码及适应度函数 | 第38-39页 |
| ·遗传操作及运算终止准则 | 第39-42页 |
| ·遗传算法的实施步骤 | 第42页 |
| ·本设计选用的遗传操作 | 第42-44页 |
| ·非线性系统辨识仿真研究 | 第44-49页 |
| ·粒子群算法、共轭梯度算法及非线性系统辨识仿真研究 | 第49-57页 |
| ·粒子群优化算法基本原理 | 第49-51页 |
| ·粒子群算法的改进 | 第51-52页 |
| ·粒子群算法流程图 | 第52-53页 |
| ·粒子群算法和遗传算法的比较 | 第53页 |
| ·共轭梯度算法 | 第53-54页 |
| ·共轭梯度算法和粒子群算法的结合 | 第54-55页 |
| ·非线性系统辨识仿真研究 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第4章 基于记忆神经网络的非线性系统辨识 | 第59-72页 |
| ·引言 | 第59页 |
| ·记忆神经网络的网络结构 | 第59-61页 |
| ·记忆神经网络的动力学 | 第61-63页 |
| ·学习算法 | 第63-67页 |
| ·通过时间的反向传播(BPTT)算法 | 第63-64页 |
| ·扩展的Kalman滤波算法 | 第64-67页 |
| ·非线性系统辨识仿真研究 | 第67-70页 |
| ·本章小结 | 第70-72页 |
| 结论与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81页 |