| 第一章 绪论 | 第1-14页 |
| ·信号处理与智能信息处理技术 | 第8-9页 |
| ·神经网络发展和应用 | 第9-10页 |
| ·过程神经元与过程神经元网络 | 第10-11页 |
| ·过程神经元网络适应性分析 | 第11-12页 |
| ·本文所展开的工作 | 第12-14页 |
| 第二章 智能信息处理理论和方法 | 第14-25页 |
| ·人工神经网络 | 第14-17页 |
| ·人工神经元的数学模型 | 第14页 |
| ·人工神经元网络模型 | 第14-15页 |
| ·人工神经网络的学习方法 | 第15-16页 |
| ·神经网络的函数逼近能力 | 第16-17页 |
| ·模糊理论 | 第17-18页 |
| ·进化计算 | 第18-20页 |
| ·信息融合技术 | 第20-22页 |
| ·盲分离技术 | 第22-25页 |
| 第三章 过程神经元网络模型及学习算法 | 第25-40页 |
| ·过程神经元 | 第25-27页 |
| ·前馈过程神经元网络的一般模型及学习算法 | 第27-32页 |
| ·前馈过程神经元网络的一般模型 | 第27-28页 |
| ·基于梯度下降的学习算法 | 第28-30页 |
| ·基于函数正交基展开的学习算法 | 第30-32页 |
| ·有理式过程神经网络模型及学习算法 | 第32-35页 |
| ·有理式过程神经元 | 第32-33页 |
| ·有理式过程神经元网络模型 | 第33-34页 |
| ·学习算法 | 第34-35页 |
| ·输入输出均为时变函数的过程神经网络模型及学习算法 | 第35-40页 |
| ·输入输出均为时变函数的过程神经元 | 第35-36页 |
| ·输入输出均为时变函数的过程神经元网络模型 | 第36-37页 |
| ·学习算法 | 第37-40页 |
| 第四章 基于过程神经元网络的信号处理 | 第40-55页 |
| ·过程神经网络在信号处理中的预处理方法 | 第40-47页 |
| ·基于连续函数沃尔什变换的预处理 | 第40-43页 |
| ·基于傅立叶函数正交基变换的预处理 | 第43-47页 |
| ·基于过程神经网络的信号消噪和模式识别 | 第47-50页 |
| ·基于前馈过程神经网络的信号消噪 | 第47-48页 |
| ·基于自组织过程神经网络的信号识别 | 第48-50页 |
| ·基于过程神经网络的信号预测 | 第50-55页 |
| ·过程神经元网络用于信号预测的方法 | 第51-52页 |
| ·仿真实例 | 第52-55页 |
| 第五章 PNN 在油田开发采油过程动态模拟中的应用实例 | 第55-59页 |
| ·应用背景 | 第55页 |
| ·油田开发采油过程动态模拟的 PNN 模型 | 第55-57页 |
| ·实验结果分析 | 第57-58页 |
| ·结语 | 第58-59页 |
| 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 攻读硕士学位期间发表的论文 | 第64-65页 |
| 中文详细摘要 | 第65-73页 |