| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题来源背景及研究意义 | 第10-11页 |
| ·RBF 神经网络的概况 | 第11-15页 |
| ·RBF 神经网络的研究现状 | 第11-13页 |
| ·神经网络的特征 | 第13-14页 |
| ·RBF 神经网络的优点和存在的不足 | 第14-15页 |
| ·课题背景及本文研究内容 | 第15-17页 |
| ·课题背景 | 第15页 |
| ·本文主要内容 | 第15-17页 |
| 第2章 径向基神经网络 | 第17-26页 |
| ·RBF 神经网络的性质及特点 | 第17-23页 |
| ·正则化理论 | 第20-21页 |
| ·正则化RBF 网络 | 第21-23页 |
| ·RBF 神经网络常用的学习算法 | 第23-25页 |
| ·RBF 神经网络的中心确定方法 | 第23-24页 |
| ·粒子群优化算法 | 第24页 |
| ·遗传算法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 RBF 神经网络控制器的研究 | 第26-36页 |
| ·RBF 神经网络控制器的初始参数研究现状 | 第26页 |
| ·遗传算法优化RBF 神经网络控制器的参数 | 第26-29页 |
| ·粒子群算法优化RBF 神经网络控制器的参数 | 第29-32页 |
| ·粒子群算法课题意义 | 第29-30页 |
| ·粒子群优化算法概述 | 第30-31页 |
| ·粒子群算法的具体应用 | 第31-32页 |
| ·基于改进粒子群算法优化RBF 神经网络控制器参数 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 RBF 神经网络控制器仿真研究 | 第36-52页 |
| ·二级倒立摆的系统描述 | 第36-37页 |
| ·RBF 神经网络网络的训练 | 第37-40页 |
| ·网络结构的确定 | 第37-38页 |
| ·网络的训练结果 | 第38-40页 |
| ·RBF 神经网络对二级倒立摆的控制 | 第40-47页 |
| ·控制器的仿真研究 | 第40-44页 |
| ·控制器的最优值研究 | 第44-45页 |
| ·控制器抗干扰能力研究 | 第45-47页 |
| ·实验结构及其分析 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录1 | 第57-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |