| 第一章 绪论 | 第1-16页 |
| 1．1 建筑材料系统辨识研究背景与人工神经网络的发展 | 第7-9页 |
| 1．2 人工神经网络在系统辨识领域内的研究发展 | 第9-11页 |
| 1．3 人工神经网络在建筑材料系统辨识中的应用研究 | 第11-12页 |
| 1．4 本论文主要研究内容及意义 | 第12-14页 |
| 参考文献 | 第14-16页 |
| 第二章 径向基函数神经网络 | 第16-25页 |
| 2．1 径向基函数神经网络简介 | 第16-20页 |
| 2．1．1 RBF网络结构描述 | 第16-18页 |
| 2．1．2 RBF网络学习算法 | 第18-20页 |
| 2．2 正交最小二乘法 | 第20-23页 |
| 2．3 RBF网络的泛化能力 | 第23页 |
| 2．4 小结 | 第23-24页 |
| 参考文献 | 第24-25页 |
| 第三章 用径向基函数神经网络构筑混凝土强度模型 | 第25-34页 |
| 3．1 混凝土强度研究概述 | 第25-26页 |
| 3．2 构筑混凝土强度RBF网络模型 | 第26-27页 |
| 3．3 应用实例 | 第27-32页 |
| 3．3．1 高掺量粉煤灰混凝土强度实验及结果 | 第27-28页 |
| 3．3．2 建立抗压强度的RBF网络模型 | 第28-32页 |
| 3．4 小结 | 第32-33页 |
| 参考文献 | 第33-34页 |
| 第四章 径向基感知器神经网络 | 第34-42页 |
| 4．1 径向基感知器网络的提出 | 第34-35页 |
| 4．2 RBP网络描述 | 第35-37页 |
| 4．2．1 RBP网络结构描述 | 第35-36页 |
| 4．2．2 RBP网络学习算法 | 第36-37页 |
| 4．3 IOC算法 | 第37-40页 |
| 4．4 RBP网络用于分类的几何机理 | 第40-41页 |
| 4．5 小结 | 第41页 |
| 参考文献 | 第41-42页 |
| 第五章 用径向基感知器神经网络构筑建筑材料成分模型 | 第42-55页 |
| 5．1 建筑材料成分概述 | 第42-43页 |
| 5．2 构筑材料成分RBP网络模型 | 第43-46页 |
| 5．3 应用实例 | 第46-52页 |
| 5．3．1 RBF网络的训练与校验 | 第46-48页 |
| 5．3．2 RBP网络的训练与校验 | 第48-50页 |
| 5．3．3 RBP网络的改善 | 第50-52页 |
| 5．4 小结 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 第六章 总结和展望 | 第55-57页 |
| 6．1 总结 | 第55-56页 |
| 6．2 展望 | 第56-57页 |
| 作者在硕士生期间完成的论文 | 第57-58页 |
| 致谢 | 第58页 |
