人工神经元网络在非线性系统建模中的应用研究
| 摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-12页 |
| ·人工神经网络建模特点 | 第6-7页 |
| ·国内外研究动态 | 第7-9页 |
| ·人工神经网络与非线性系统建模 | 第9-10页 |
| ·课题研究内容 | 第10-11页 |
| ·本文主要内容 | 第11-12页 |
| 第二章 人工神经网络算法分析 | 第12-19页 |
| ·神经元的数学模型 | 第12-14页 |
| ·人工神经网络结构 | 第14-15页 |
| ·人工神经网络权值算法 | 第15-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 RBF神经网络算法分析和实验验证 | 第19-36页 |
| ·径向基网络定义与网络插值问题解析 | 第19-21页 |
| ·完全内插值存在的问题 | 第21-23页 |
| ·正则化理论 | 第23-25页 |
| ·RBF 网络典型学习算法 | 第25-28页 |
| ·RBF 网络在非线性系统建模中的应用 | 第28-35页 |
| ·RBF 神经网络非线性函数建模 | 第28-30页 |
| ·径向机函数选择实验分析 | 第30-32页 |
| ·RBF 神经网络对噪声的适应性分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 模糊神经网络算法分析及遗传算法优化设计 | 第36-52页 |
| ·模糊逻辑与神经网络的结合 | 第36-37页 |
| ·模糊关系与模糊推理理论基础 | 第37-38页 |
| ·模糊命题 | 第37-38页 |
| ·模糊推理 | 第38页 |
| ·模糊-神经协作网络设计 | 第38-42页 |
| ·模糊神经元 | 第39-40页 |
| ·模糊系统建模方法 | 第40-42页 |
| ·模糊-神经协作网络非线性函数建模实例分析 | 第42-45页 |
| ·遗传算法与网络结合点 | 第45-48页 |
| ·遗传算法寻优神经网络权值 | 第48-49页 |
| ·遗传算法改进后的模糊网络函数建模分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 支持向量机神经网络改进算法与实验分析 | 第52-62页 |
| ·支持向量机算法基础 | 第53-55页 |
| ·最小二乘支持向量机算法改进 | 第55-56页 |
| ·增量学习算法及其应用改进 | 第56-57页 |
| ·函数建模实例分析 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 锅炉燃烧过程建模实验 | 第62-73页 |
| ·锅炉燃烧系统 | 第62-65页 |
| ·燃烧控制系统的基本任务 | 第62-63页 |
| ·系统各个参数作用 | 第63-64页 |
| ·锅炉燃烧控制系统 | 第64-65页 |
| ·锅炉燃烧系统网络建模实验 | 第65-72页 |
| ·本章小结 | 第72-73页 |
| 第七章 结论 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 在学期间发表的学术论文和参加科研情况 | 第79页 |
