非线性时变系统的时变高阶神经网络建模
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题的研究背景与意义 | 第11页 |
| ·基于神经网络的系统辨识研究现状 | 第11-14页 |
| ·迭代学习辨识的研究现状 | 第14-15页 |
| ·本文的研究内容和章节安排 | 第15-16页 |
| 第二章 神经网络与系统辨识 | 第16-31页 |
| ·引言 | 第16页 |
| ·常规神经网络 | 第16-18页 |
| ·高阶神经网络 | 第18-22页 |
| ·连续高阶神经网络 | 第18-19页 |
| ·离散高阶神经网络 | 第19-22页 |
| ·神经计算方法 | 第22-27页 |
| ·梯度下降的训练算法 | 第22-25页 |
| ·牛顿优化训练算法 | 第25-26页 |
| ·迭代学习最小二乘算法 | 第26-27页 |
| ·神经网络辨识 | 第27-30页 |
| ·系统辨识原理 | 第27-28页 |
| ·神经网络辨识模型 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第三章 时变高阶RBF神经网络辨识 | 第31-61页 |
| ·引言 | 第31页 |
| ·定常RBF神经网络辨识模型 | 第31-32页 |
| ·时变高阶RBF神经网络辨识模型 | 第32-35页 |
| ·带死区的迭代学习最小二乘训练算法 | 第35-40页 |
| ·数值仿真与分析 | 第40-60页 |
| ·小结 | 第60-61页 |
| 第四章 时变Volterra神经网络辨识 | 第61-75页 |
| ·引言 | 第61页 |
| ·Volterra高阶神经网络 | 第61-65页 |
| ·Volterra高阶神经网络结构 | 第61-63页 |
| ·Volterra时变神经网络辨识模型 | 第63-65页 |
| ·网络剪枝算法 | 第65-68页 |
| ·数值仿真与分析 | 第68-74页 |
| ·小结 | 第74-75页 |
| 第五章 正交迭代学习算法 | 第75-92页 |
| ·引言 | 第75页 |
| ·Givens变换 | 第75-77页 |
| ·正交迭代学习算法推导 | 第77-80页 |
| ·时变神经网络的训练策略 | 第80-83页 |
| ·数值仿真与分析 | 第83-91页 |
| ·小结 | 第91-92页 |
| 第六章 结论与展望 | 第92-94页 |
| ·结论 | 第92页 |
| ·展望 | 第92-94页 |
| 参考文献 | 第94-99页 |
| 致谢 | 第99-100页 |
| 攻读硕士学位期间的研究成果及发表的论文 | 第100页 |
