| 内容提要 | 第52-5页 |
| 第一章 绪论 | 第5-8页 |
| 1.1 引言 | 第5页 |
| 1.2 灰色系统与神经网络融合方式的探索 | 第5-7页 |
| 1.3 本文的主要研究内容 | 第7-8页 |
| 第二章 灰色系统的基本理论 | 第8-14页 |
| 2.1 灰色系统的基本原理 | 第8页 |
| 2.2 序列算子 | 第8-10页 |
| 2.3 灰色系统的建模 | 第10-14页 |
| 第三章 人工神经网络的基本原理 | 第14-21页 |
| 3.1 人工神经元模型 | 第14-16页 |
| 3.2 BP神经网络 | 第16-20页 |
| 3.3 多层前馈网络的函数逼近能力 | 第20-21页 |
| 第四章 灰色神经网络模型的建立 | 第21-32页 |
| 4.1 灰色神经网络模型建模的基本思想 | 第21页 |
| 4.2 一阶灰色神经网络模型--GNNM(1,1)的建立 | 第21-24页 |
| 4.3 三阶灰色神经网络模型--GNNM(3,1)的建立 | 第24-27页 |
| 4.4 灰色神经网络模型中权值和阈值的初始化 | 第27-32页 |
| 第五章 灰色神经网络模型在复杂非线性预测问题中的应用 | 第32-48页 |
| 5.1 GNNM(1,1)在复杂非线性预测问题中的应用分析 | 第32-39页 |
| 5.1.1 GNNM(1,1)的算法及程序实现 | 第32-37页 |
| 5.1.2 应用算例一 | 第37-39页 |
| 5.2 GNNM(3,1)在复杂非线性预测问题中的应用分析 | 第39-48页 |
| 5.2.1 GNNM(3,1)的算法及程序实现 | 第39-45页 |
| 5.2.2 应用算例二 | 第45-48页 |
| 结 论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致 谢 | 第51-52页 |
| 摘 要 | 第52-55页 |
| Abstract | 第55页 |
