| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究工作的来源及意义 | 第9-10页 |
| ·本课题的国内外研究现状及分析 | 第10-12页 |
| ·本文的主要内容 | 第12-14页 |
| 第2章 预备知识 | 第14-25页 |
| ·人工神经网络 | 第14-17页 |
| ·人工神经网络的概念 | 第14-15页 |
| ·神经网络的拓扑结构 | 第15-17页 |
| ·多层感知神经网络 | 第17-18页 |
| ·多层感知网络的结构 | 第17页 |
| ·多层感知网络的学习过程 | 第17-18页 |
| ·径向基神经网络 | 第18-22页 |
| ·径向基神经网络的拓扑结构 | 第18-20页 |
| ·径向基神经网络的训练过程 | 第20-22页 |
| ·神经网络中的敏感性分析 | 第22-25页 |
| ·敏感性分析的概念 | 第22-23页 |
| ·敏感性的计算方式 | 第23-25页 |
| 第3章 基于局部泛化误差模型的神经网络结构选择方法 | 第25-33页 |
| ·局部泛化误差模型 | 第25-28页 |
| ·局部泛化误差引入 | 第25-27页 |
| ·模型建立 | 第27-28页 |
| ·核心方法 | 第28-29页 |
| ·实验情况 | 第29-33页 |
| ·关于E[(Δy)~2]的计算 | 第29-31页 |
| ·实验结果 | 第31-33页 |
| 第4章 基于临界向量的RBF神经网络结构选择方法 | 第33-37页 |
| ·敏感性大小与临界向量 | 第33-34页 |
| ·核心方法 | 第34-35页 |
| ·实验情况 | 第35-37页 |
| 第5章 结论与展望 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 攻读硕士学位期间撰写的论文 | 第40-41页 |
| 致谢 | 第41页 |