| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题的研究背景介绍 | 第8-9页 |
| ·人工神经网络的发展史 | 第9-10页 |
| ·本文的主要研究内容 | 第10-11页 |
| ·论文内容安排 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 正交权函数神经网络与灵敏度知识介绍 | 第13-26页 |
| ·人工神经网络简介 | 第13-15页 |
| ·网络概述 | 第13页 |
| ·网络神经元模型 | 第13页 |
| ·网络拓扑结构 | 第13-14页 |
| ·网络学习规则 | 第14页 |
| ·典型人工神经网络应用 | 第14-15页 |
| ·样条权函数神经网络简介 | 第15-18页 |
| ·权函数神经网络简介 | 第15-16页 |
| ·权函数神经网络的相关概念 | 第16-18页 |
| ·正交函数简介 | 第18-21页 |
| ·正交函数性质 | 第18-21页 |
| ·神经网络灵敏度简介 | 第21-25页 |
| ·灵敏度简介 | 第21页 |
| ·神经网络扰动简介 | 第21-23页 |
| ·灵敏度分析的一般方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 正交权函数神经网络灵敏度分析 | 第26-41页 |
| ·正交权函数的求解 | 第26-33页 |
| ·正交权函数神经网络结构说明 | 第26页 |
| ·正交权函数神经网络学习算法 | 第26-27页 |
| ·最佳平方逼近 | 第27-29页 |
| ·多输入单输出正交权函数神经网络误差分析 | 第29-32页 |
| ·多输入多输出正交权函数神经网络误差分析 | 第32-33页 |
| ·权函数神经网络的灵敏度分析 | 第33-40页 |
| ·网络权函数的建立 | 第33-34页 |
| ·灵敏度问题的引入 | 第34页 |
| ·灵敏度计算公式 | 第34页 |
| ·简单权函数神经网络灵敏度计算公式推导 | 第34-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 灵敏度数值仿真实验 | 第41-51页 |
| ·正交权函数神经网络的训练与测试实验 | 第41-44页 |
| ·实验目的 | 第41页 |
| ·实验方法 | 第41-42页 |
| ·实验结果 | 第42-43页 |
| ·实验结论 | 第43-44页 |
| ·勒让德权函数神经网络理论噪音与逼近噪音灵敏度实验 | 第44-47页 |
| ·实验目的 | 第44页 |
| ·实验方法 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·实验结论 | 第46-47页 |
| ·切比雪夫权函数神经网络理论噪音与逼近噪音灵敏度实验 | 第47-49页 |
| ·实验目的 | 第47页 |
| ·实验方法 | 第47页 |
| ·实验结果 | 第47-49页 |
| ·实验结论 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第五章 正交权函数灵敏度分析在入侵检测中的应用 | 第51-58页 |
| ·入侵检测技术 | 第51-54页 |
| ·入侵检测的基本概念 | 第51页 |
| ·入侵检测技术简介 | 第51-52页 |
| ·入侵检测数据预处理 | 第52-54页 |
| ·灵敏度分析在入侵检测中的研究意义 | 第54-55页 |
| ·仿真实验和结果分析 | 第55-57页 |
| ·实验目的 | 第55页 |
| ·实验方法 | 第55页 |
| ·实验结果 | 第55-57页 |
| ·实验结论 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士研究生期间发表的论文 | 第64页 |