径向基函数神经网络在过程建模中的研究与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·论文选题的目的意义及工作简述 | 第11-12页 |
| ·过程建模及其常用方法 | 第12-14页 |
| ·本课题相关领域的历史、现状和前沿发展情况 | 第14-17页 |
| 第二章 人工神经网络简介 | 第17-26页 |
| ·神经元 | 第17-20页 |
| ·生物神经元 | 第17页 |
| ·人工神经元 | 第17-18页 |
| ·使用人工神经元网络的意义 | 第18-20页 |
| ·人工神经元网络模型 | 第20-22页 |
| ·人工神经元网络的学习算法 | 第22-26页 |
| ·Hebb学习规则 | 第23页 |
| ·离散感知器学习规则 | 第23-24页 |
| ·δ学习规则 | 第24-25页 |
| ·Widrow-Hoff学习规则 | 第25-26页 |
| 第三章 径向基函数神经网络简介 | 第26-38页 |
| ·RBF网的结构 | 第26-27页 |
| ·RBF网的基础 | 第27-30页 |
| ·生理学基础 | 第27-28页 |
| ·数学基础 | 第28-30页 |
| ·RBF网常用的学习算法 | 第30-35页 |
| ·聚类方法 | 第31-32页 |
| ·梯度训练方法 | 第32-33页 |
| ·正交最小二乘学习算法 | 第33-35页 |
| ·RBF网的特点及其他问题 | 第35-36页 |
| ·神经网络工具箱函数 | 第36-38页 |
| ·神经网络工具箱 | 第36页 |
| ·径向基网络的神经网络工具箱函数 | 第36-38页 |
| 第四章 RBF网的仿真实例及代码转换 | 第38-53页 |
| ·仿真实例 | 第38-49页 |
| ·一维Hermit多项式逼近 | 第38-47页 |
| ·时间序列预测 | 第47-49页 |
| ·代码转换 | 第49-53页 |
| 第五章 电力系统负荷预测 | 第53-63页 |
| ·简介 | 第53-58页 |
| ·电力系统负荷预测的特点 | 第53-54页 |
| ·电力系统负荷预测的原理 | 第54-55页 |
| ·影响电力系统负荷预测的主要因素 | 第55-57页 |
| ·电力系统负荷预测的步骤 | 第57-58页 |
| ·电力系统负荷预测的分类 | 第58页 |
| ·短期电力负荷预测的目的和意义 | 第58-59页 |
| ·电力系统负荷预测的方法 | 第59-63页 |
| 第六章 RBFN在短期电力负荷预测中的应用 | 第63-70页 |
| ·引言 | 第63页 |
| ·RBF网的设计 | 第63-67页 |
| ·传统 K均值聚类算法 | 第63-64页 |
| ·隐含层的构造 | 第64-66页 |
| ·权重的计算 | 第66-67页 |
| ·预测实例 | 第67-69页 |
| ·输入层与输出层的构造 | 第67页 |
| ·实验结果 | 第67-69页 |
| ·结论 | 第69-70页 |
| 第七章 结论 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文目录 | 第76-77页 |
| 硕士研究生学位论文答辩委员会决议书 | 第77-78页 |
