| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第9-21页 |
| 1.1 神经网络的发展历程 | 第9-10页 |
| 1.2 超限学习机理论及发展过程 | 第10-11页 |
| 1.3 复值超限学习机的研究现状 | 第11-12页 |
| 1.4 复值超限学习机模型 | 第12-16页 |
| 1.4.1 超限学习机的网络结构 | 第12-13页 |
| 1.4.2 训练前馈神经网络的复值超限学习机算法 | 第13-16页 |
| 1.5 复值信号的二阶统计信息和宽线性模型 | 第16-17页 |
| 1.6 正则化学习算法和Wirtinger算子 | 第17-18页 |
| 1.6.1 正则化学习算法 | 第17页 |
| 1.6.2 Wirtinger算子 | 第17-18页 |
| 1.7 本文的主要工作 | 第18-21页 |
| 2 宽线性复值超限学习机的批处理学习算法 | 第21-37页 |
| 2.1 两种增广的复值超限学习机模型 | 第21-24页 |
| 2.1.1 CELMAI的网络结构和算法 | 第21-23页 |
| 2.1.2 CELMAH模型的网络结构和算法 | 第23-24页 |
| 2.2 正则化宽线性复值超限学习机 | 第24-25页 |
| 2.2.1 正则化CELMAI模型 | 第24-25页 |
| 2.2.2 正则化CELMAH模型 | 第25页 |
| 2.3 主要结果 | 第25-27页 |
| 2.4 证明 | 第27-28页 |
| 2.5 数值实验 | 第28-36页 |
| 2.5.1 非线性或非圆混沌序列预测数据 | 第30页 |
| 2.5.2 复值信道调制问题 | 第30-34页 |
| 2.5.3 风的预测问题 | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 3 宽线性复值超限学习机的在线学习算法 | 第37-49页 |
| 3.1 复值超限学习机的在线学习算法 | 第37-41页 |
| 3.2 两种宽线性复值超限学习机模型的在线学习算法 | 第41-44页 |
| 3.2.1 OS-CELMAI算法描述 | 第41-42页 |
| 3.2.2 OS-CELMAH算法描述 | 第42-44页 |
| 3.3 数值实验 | 第44-47页 |
| 3.3.1 非线性或非圆混沌序列预测数据 | 第44页 |
| 3.3.2 复值信道调制问题 | 第44-47页 |
| 3.3.3 风的预测问题 | 第47页 |
| 3.4 本章小结 | 第47-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间公开发表学术论文情况 | 第55-57页 |
| 致谢 | 第57-59页 |
| 作者简介 | 第59页 |