一种改进型径向基神经网络的研究及应用
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 前言 | 第9-15页 |
| 1．1 课题的研究背景 | 第9-10页 |
| 1．2 国内外径向基神经网络研究现状 | 第10-12页 |
| 1．3 本课题的研究方法及意义 | 第12-14页 |
| 1．4 本章小结 | 第14-15页 |
| 2 径向基神经网络算法研究 | 第15-21页 |
| 2．1 径向基神经网络的学习算法探讨 | 第15-19页 |
| 2．1．1 自组织学习选取径向基中心 | 第15-16页 |
| 2．1．2 输入层到隐层的非线性映射 | 第16-17页 |
| 2．1．3 隐层到输出层的线性映射 | 第17-19页 |
| 2．2 径向基神经网络的讨论 | 第19-20页 |
| 2．3 本章小结 | 第20-21页 |
| 3 遗传算法研究及其改进 | 第21-41页 |
| 3．1 遗传算法的概述及发展 | 第21-22页 |
| 3．2 遗传算法的数学表达 | 第22-23页 |
| 3．3 遗传算法奏效的理论依据 | 第23-27页 |
| 3．4 遗传算法的算法结构 | 第27-29页 |
| 3．5 遗传算法的基本特征 | 第29-30页 |
| 3．6 对遗传算法的改进及原理探讨 | 第30-34页 |
| 3．7 改进的遗传算法实现 | 第34-37页 |
| 3．8 改进算法的性能测试 | 第37-40页 |
| 3．9 本章小结 | 第40-41页 |
| 4 基于混沌遗传优化的改进型径向基神经网络算法 | 第41-50页 |
| 4．1 改进的径向基神经网络 | 第41-47页 |
| 4．1．1 遗传优化方案的确定 | 第41-42页 |
| 4．1．2 改进的径向基神经网络算法 | 第42-47页 |
| 4．2 改进型径向基神经网络仿真实验 | 第47-49页 |
| 4．3 本章小结 | 第49-50页 |
| 5 改进型径向基网络在转炉提钒中的应用 | 第50-60页 |
| 5．1 优化提钒操作制度需要建立静态模型 | 第50-51页 |
| 5．2 改进型径向基神经网络适合建立静态模型 | 第51-52页 |
| 5．3 提钒静态模型的建立及程序实现 | 第52-59页 |
| 5．3．1 静态模型系统的总体框架 | 第52-53页 |
| 5．3．2 数据采集 | 第53页 |
| 5．3．3 数据预处理 | 第53-54页 |
| 5．3．4 输入变量影响因子调整 | 第54页 |
| 5．3．5 增量数据处理 | 第54页 |
| 5．3．6 确定影响转炉提钒的主要因素 | 第54-55页 |
| 5．3．7 确定模型结构 | 第55-56页 |
| 5．3．8 静态模型的程序设计介绍 | 第56-57页 |
| 5．3．9 模型的建立及性能测试 | 第57-59页 |
| 5．4 本章小结 | 第59-60页 |
| 6 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附：作者在攻读硕士学位期间发表的论文目录 | 第66页 |
