| 第一章绪论 | 第1-16页 |
| ·课题研究背景 | 第9-11页 |
| ·基于RBF 神经网络的智能传感器校正和补偿系统 | 第11-13页 |
| ·课题研究内容 | 第13-14页 |
| ·本文主要工作 | 第14页 |
| ·本文组织结构 | 第14-16页 |
| 第二章 一种改进的动态最近邻聚类算法及其网络性能分析 | 第16-37页 |
| ·引言 | 第16-17页 |
| ·RBF 神经网络 | 第17-20页 |
| ·算法改进 | 第20-24页 |
| ·仿真实验与性能比较 | 第24-28页 |
| ·影响网络性能的几个因素 | 第28-33页 |
| ·提高本动态自适应网络泛化能力的方法 | 第33-35页 |
| ·仿真实验 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 智能传感器校正和补偿系统的研究 | 第37-56页 |
| ·引言 | 第37页 |
| ·智能传感器 | 第37-39页 |
| ·CYJ-101 压阻式压力传感器简介 | 第39-42页 |
| ·神经网络补偿方法的引入 | 第42页 |
| ·智能传感器校正和补偿的方法 | 第42-45页 |
| ·实验数据 | 第45-48页 |
| ·RBF 网络设计与仿真验证 | 第48-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 智能传感器校正和补偿系统的设计和实现 | 第56-68页 |
| ·总体设计目标 | 第56页 |
| ·详细设计 | 第56-58页 |
| ·主要实现技术 | 第58页 |
| ·系统实现 | 第58-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-71页 |
| ·总结 | 第68-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附录 | 第76页 |