小波神经网络若干关键问题研究
| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第一章 绪论 | 第15-34页 |
| ·研究目的和意义 | 第15-16页 |
| ·研究背景与现状 | 第16-31页 |
| ·小波分析的发展与现状 | 第16-26页 |
| ·小波的定义与主要性质 | 第16-22页 |
| ·小波基的选取原则 | 第22-24页 |
| ·小波分析的发展和活跃方向 | 第24-25页 |
| ·小波分析的应用 | 第25-26页 |
| ·小波神经网络的发展和现状 | 第26-31页 |
| ·小波神经网络的构造形式 | 第26-28页 |
| ·小波神经网络的特点 | 第28页 |
| ·决定小波神经网络性能的要素 | 第28-29页 |
| ·小波神经网络的进展及其学习算法 | 第29-30页 |
| ·小波神经网络的应用和前景遥望 | 第30-31页 |
| ·本文的研究思路与研究内容 | 第31-34页 |
| 第二章 一种新的细分加权小波 | 第34-50页 |
| ·引言 | 第34-35页 |
| ·加权小波 | 第35-38页 |
| ·细分方案 | 第38-40页 |
| ·加权尺度函数和加权小波函数的性质 | 第40-43页 |
| ·尺度函数与加权小波图 | 第43-46页 |
| ·加权小波与常见小波对照示例 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第三章 隐层小波元神经网络的非线性逼近分析 | 第50-64页 |
| ·引言 | 第50页 |
| ·逼近性原理及其主要定理描述 | 第50-52页 |
| ·逼近性主要定理的证明 | 第52-56页 |
| ·仿真示例 | 第56-63页 |
| ·算法描述 | 第56-59页 |
| ·仿真结果 | 第59-61页 |
| ·逼近方法推广分析 | 第61-62页 |
| ·仿真结论 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第四章 S 型函数组合小波神经网络的鲁棒性 | 第64-79页 |
| ·引言 | 第64-65页 |
| ·问题描述 | 第65-66页 |
| ·小波神经网络敏感性分析 | 第66-73页 |
| ·S 型函数组合小波神经网络的鲁棒度 | 第73-74页 |
| ·仿真算例 | 第74-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 基于小波神经网络的多模型故障检测 | 第79-89页 |
| ·引言 | 第79-80页 |
| ·预备知识 | 第80-81页 |
| ·非线性系统小波神经网络辨识 | 第81-85页 |
| ·小波神经网络多模型故障检测 | 第85页 |
| ·仿真示例 | 第85-88页 |
| ·本章小结 | 第88-89页 |
| 第六章 基于小波神经网络的歼击机故障诊断 | 第89-110页 |
| ·前言 | 第89-90页 |
| ·歼击机的动力学模型及故障模型描述 | 第90-94页 |
| ·飞机的动力学数学模型 | 第90-92页 |
| ·正常飞机的气动力和气动力矩系数模型 | 第92-93页 |
| ·大气环境的数学模型 | 第93页 |
| ·故障飞机的气动力系数数学模型 | 第93-94页 |
| ·歼击机操纵面的故障诊断仿真研究 | 第94-109页 |
| ·歼击机操纵面故障诊断方法的过程分析 | 第94-96页 |
| ·歼击机操纵面故障诊断方法的实行 | 第96-107页 |
| ·故障度大小的二次训练 | 第107-109页 |
| ·本章小结 | 第109-110页 |
| 第七章 总结和展望 | 第110-113页 |
| ·本文的主要工作和贡献 | 第110-111页 |
| ·后续研究工作展望 | 第111-113页 |
| 参考文献 | 第113-121页 |
| 致谢 | 第121-122页 |
| 在学期间的研究成果及发表的学术论文 | 第122页 |
