| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 缩写和符号说明 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| 1．1 前言 | 第11-13页 |
| 1．1．1 人工神经网络发展历史及现状 | 第11-12页 |
| 1．1．2 RBF神经网络发展简史 | 第12-13页 |
| 1．2 研究动机和创新点 | 第13-15页 |
| 1．3 论文框架 | 第15-16页 |
| 第二章 径向基函数神经网络 | 第16-20页 |
| 2．1 RBF神经网络拓扑结构 | 第16-18页 |
| 2．2 RBF神经网络的学习 | 第18-20页 |
| 第三章 RBFNN的批处理学习算法 | 第20-24页 |
| 3．1 批处理学习算法简介 | 第20页 |
| 3．2 基于正交最小二乘算法的RBF神经网络学习方法 | 第20-24页 |
| 第四章 RBFNN的在线学习算法 | 第24-32页 |
| 4．1 RAN学习算法 | 第25-26页 |
| 4．2 RANEKF学习算法 | 第26-27页 |
| 4．3 MRAN学习算法 | 第27-32页 |
| 第五章 IRAN(Improved RAN)学习算法 | 第32-36页 |
| 5．1 网络中参数的更新 | 第32-34页 |
| 5．2 隐层神经元的删除策略 | 第34-35页 |
| 5．3 IRAN学习算法 | 第35-36页 |
| 第六章 GIRAN(Generalized IRAN)学习算法 | 第36-45页 |
| 6．1 隐层神经元重要性的定义与估计公式 | 第37-39页 |
| 6．2 隐层神经元的引入准则 | 第39-40页 |
| 6．3 参数δ_i的更新 | 第40-42页 |
| 6．4 径向基函数宽度的自适应调整 | 第42-44页 |
| 6．5 GIRAN学习算法 | 第44-45页 |
| 第七章 计算机仿真及结果分析 | 第45-57页 |
| 7．1 汽车燃油消耗量预测问题 | 第46-48页 |
| 7．2 鲍鱼年龄预测问题 | 第48-49页 |
| 7．3 加利福尼亚中等住房价格预测问题 | 第49-53页 |
| 7．4 混合时间序列(Mackey-Glass)预测问题 | 第53-57页 |
| 第八章 结束语 | 第57-58页 |
| 附录 Givens变换 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65-66页 |
| 学位论文评阅及答辩情况表 | 第66页 |
