| 第一章 绪论 | 第1-20页 |
| ·混合神经网络的研究及其意义 | 第14-15页 |
| ·混合神经网络的研究现状 | 第15-16页 |
| ·B样条网络发展现状 | 第16-17页 |
| ·对角递归神经网络的发展现状 | 第17-18页 |
| ·作者所做工作及其文章结构安排 | 第18-20页 |
| 第二章 B样条网络及对角递归网络基础理论 | 第20-27页 |
| ·B样条神经网络 | 第20-25页 |
| ·B样条函数 | 第20-22页 |
| ·B样条网络 | 第22-25页 |
| ·对角递归神经网络 | 第25-27页 |
| ·对角递归神经网络基础理论 | 第25-27页 |
| 第三章 非线性动态系统及其系统辨识 | 第27-30页 |
| ·非线性动态系统分类 | 第27-28页 |
| ·非线性动态系统辨识 | 第28-29页 |
| ·混合神经网络系统辨识 | 第29-30页 |
| 第四章 基于最小二乘算法的输出可测系统混合网络建模 | 第30-45页 |
| ·CSTR模型描述 | 第30-31页 |
| ·MIMO系统递推最小二乘算法 | 第31-32页 |
| ·利用串/并联混合神经网络建模 | 第32-37页 |
| ·串联混合神经网络 | 第33-34页 |
| ·并联混合神经网络 | 第34-36页 |
| ·递推最小二乘算法混合网络建模步骤 | 第36-37页 |
| ·串/并联混合神经网络仿真效果及比较 | 第37-44页 |
| ·仿真实验 | 第37-41页 |
| ·两网络的结构参数比较 | 第41-42页 |
| ·两网络的建模精度比较 | 第42-44页 |
| ·结论与讨论 | 第44-45页 |
| 第五章 基于RPE算法的混合网络对聚酯粘度的预测 | 第45-60页 |
| ·RPE算法基本原理 | 第45-46页 |
| ·PET聚酯反应 | 第46-50页 |
| ·输出不可测系统的混合网络 | 第50-53页 |
| ·串联混合神经网络 | 第50-52页 |
| ·并联混合神经网络 | 第52-53页 |
| ·两混合神经网络建模效果比较 | 第53-60页 |
| ·混合网络建模步骤 | 第54-55页 |
| ·利用交叉检验法训练混合网络 | 第55-56页 |
| ·两种混合网络建模效果比较 | 第56-58页 |
| ·结论 | 第58-60页 |
| 第六章 结构逼近式混合网络建模 | 第60-78页 |
| ·结构逼近式混合网络的提出 | 第60-63页 |
| ·利用结构逼近式混合网络为状态向量可测的系统建模 | 第63-68页 |
| ·模型的数学描述 | 第63-65页 |
| ·结构逼近式网络仿真结果 | 第65-66页 |
| ·结论 | 第66-68页 |
| ·利用结构逼近式混合网络为部分状态向量可测的系统建模 | 第68-71页 |
| ·状态变量部分可测网络模型 | 第68-69页 |
| ·系统仿真结果 | 第69-70页 |
| ·结论 | 第70-71页 |
| ·逼近式混合网络建模与并联混合网络建模效果比较 | 第71-74页 |
| ·两网络建模结果比较 | 第72-73页 |
| ·对建模比较结果的分析 | 第73-74页 |
| ·利用结构逼近式混合网络为状态向量均不可测的系统建模 | 第74-78页 |
| ·模型的数学描述 | 第74-76页 |
| ·利用梯度下降法训练结构逼近网络 | 第76-78页 |
| 第七章 结束语 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83-84页 |
| 研究成果及发表的学术论文 | 第84-85页 |
| 作者及导师简介 | 第85页 |
