| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究背景 | 第11-12页 |
| ·板形智能控制领域发展现状及研究意义 | 第12-15页 |
| ·板形控制技术的发展 | 第12-13页 |
| ·板形控制智能方法研究现状 | 第13-15页 |
| ·板形智能控制的研究意义 | 第15页 |
| ·基于神经网络与粗糙集理论的智能方法研究 | 第15-17页 |
| ·研究内容 | 第17-18页 |
| ·本文组织结构 | 第18-20页 |
| 第2章 基于 CMAC 神经网络板形控制器模型的研究 | 第20-30页 |
| ·概述 | 第20页 |
| ·板形控制模型的分析 | 第20-23页 |
| ·板形的相关概念 | 第20-23页 |
| ·板形控制模型分析 | 第23页 |
| ·板形 CMAC 神经控制器的构造 | 第23-28页 |
| ·CMAC 网络结构分析 | 第24-25页 |
| ·板形控制器输入输出的确定 | 第25-26页 |
| ·基于CMAC 神经网络的控制方案 | 第26-27页 |
| ·网络学习算法 | 第27-28页 |
| ·仿真实验 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 CMAC 板形控制模型中学习算法的研究 | 第30-44页 |
| ·概述 | 第30页 |
| ·CMAC 神经网络固定学习率的局限性及研究 | 第30-31页 |
| ·基于动态学习率的板形控制模型 | 第31-37页 |
| ·动态学习率的提出 | 第31-32页 |
| ·CMAC 神经网络学习算法的改进 | 第32-34页 |
| ·CMAC 神经网络学习算法的收敛性说明 | 第34-36页 |
| ·基于动态学习率的 CMAC 板形控制模型的构造步骤 | 第36-37页 |
| ·基于动态学习率的 CMAC 板形控制模型的建立 | 第37-40页 |
| ·模型建立 | 第38页 |
| ·动态学习率的实现算法 | 第38-40页 |
| ·仿真实验 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于粗糙集的CMAC 神经网络 | 第44-54页 |
| ·概述 | 第44页 |
| ·粗糙集与神经网络结合 | 第44-45页 |
| ·粗糙集CMAC 神经网络控制模型的设计 | 第45-50页 |
| ·网络设计思想 | 第45-46页 |
| ·用粗糙集优化CMAC 神经网络的步骤 | 第46-47页 |
| ·基于 Rough-ANN 的板形控制模型构建步骤 | 第47-48页 |
| ·基于 Rough-ANN 板形控制模型的建立 | 第48-50页 |
| ·仿真实例 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 仿真实验 | 第54-65页 |
| ·概述 | 第54页 |
| ·板形调节手段 | 第54-55页 |
| ·基于 CMAC 神经系统板形控制器的建立 | 第55-59页 |
| ·实验环境 | 第56页 |
| ·建立步骤 | 第56-57页 |
| ·粗糙集优化神经网络分析 | 第57-59页 |
| ·仿真结果及分析 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
