| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第10-13页 |
| Contents | 第13-16页 |
| CHAPTER 1 NEURAL NETWORK FUNDAMENTALS | 第16-32页 |
| 1.1 Introduction | 第16-30页 |
| 1.1.1 What is an artificial neural network | 第16-22页 |
| 1.1.1.1 The Analogies of artiifcial neural network to the brain | 第16-18页 |
| 1.1.1.2 Artificial Neural Network components | 第18-22页 |
| 1.1.2 Neural Network History | 第22-24页 |
| 1.1.3 Artiifcial neural network types | 第24-27页 |
| 1.1.3.1 Single Layer Feedforward Networks (SLFNs) | 第24-25页 |
| 1.1.3.2 Multilayer Feedforward Networks (MLFNs) | 第25-26页 |
| 1.1.3.3 Recurrent Networks | 第26-27页 |
| 1.1.4 The Training of Neural Networks | 第27-30页 |
| 1.1.4.1 Supervised Training | 第27-29页 |
| 1.1.4.2 Unsupervised Training | 第29-30页 |
| 1.1.4.2.1 Clustering learning algorithms | 第29页 |
| 1.1.4.2.2 Adaptive resonance theory and self-organizing map learning algorithms | 第29-30页 |
| 1.1.5 Neural network Applications | 第30页 |
| 1.2 Chapter summary | 第30页 |
| 1.3 Thesis objective | 第30-31页 |
| 1.4 The thesis organization | 第31-32页 |
| CHAPTER 2 RADIAL BASIS FUNCTION AND FUNCTIONAL LINK NETWORKS | 第32-44页 |
| 2.1 Radial basis function networks | 第32-35页 |
| 2.1.1 Approximation properties of RBF networks | 第33-34页 |
| 2.1.2 Compairson of RBF Networks and Multilayer Presptron (MPL) | 第34-35页 |
| 2.2 Functional link network | 第35-42页 |
| 2.2.1 Mathematical Essence of Functional link Neural Networks | 第36-38页 |
| 2.2.2 The Radial Basis Functional link network | 第38-39页 |
| 2.2.3 The RBFL Networks training | 第39-42页 |
| 2.2.3.1 Learning RBFL Centers | 第40-42页 |
| 2.2.3.1.1 Selecting RBF Centers Randomly from Training Sets | 第40页 |
| 2.2.3.1.2 Selecting RBF Centers by Clustering | 第40-41页 |
| 2.2.3.1.3 Supervised Learning of All Parameters | 第41-42页 |
| 2.3 Chapter summary | 第42-44页 |
| CHAPTER 3 ELM ALGORITHM | 第44-57页 |
| 3.1 The ELM theory | 第44-49页 |
| 3.1.1 Interpolation theorem | 第45-46页 |
| 3.1.2 Universal approximation theorem | 第46-49页 |
| 3.2 ELM algorithms | 第49-54页 |
| 3.2.1 Universal approximation theorem | 第50-51页 |
| 3.2.2 Universal approximation theorem | 第51-53页 |
| 3.2.3 ELM for high order neural network (HONN) | 第53-54页 |
| 3.3 Chapter summary | 第54-57页 |
| CHAPTER 4 EXPERIMENTAL RESULTS | 第57-67页 |
| 4.1 he implementation of the radial basis functional link network | 第57-58页 |
| 4.2 Results and discussion | 第58-66页 |
| 4.2.1 Benchmarking with a regression problem | 第59-61页 |
| 4.2.1.1 Approximaiton of SinC' function | 第59-60页 |
| 4.2.1.2 Approximation of Friedman Functions | 第60-61页 |
| 4.2.2 Benchmarking with Real-World Function Approximation Problems | 第61-63页 |
| 4.2.2.1 Abalone Age Prediction Application | 第61-62页 |
| 4.2.2.2 California Housing Prediction Application | 第62-63页 |
| 4.2.3 Benchmarking with Real-World classification Problems | 第63-64页 |
| 4.2.3.1 Medical Diagnosis Application: Diabetes | 第63-64页 |
| 4.2.4 HDPE process modeling | 第64-66页 |
| 4.2.4.1 Modeling HDPE Process | 第64-66页 |
| 4.3 Chapter summary | 第66-67页 |
| CHAPTER 5 CONCLUSIONS AND FUTURE WORK | 第67-70页 |
| 5.1 Conclusions | 第67页 |
| 5.2 Future works | 第67-70页 |
| REFRENECES | 第70-76页 |
| APPENDICES | 第76-80页 |
| A.1 Description of HDPE Procss | 第76-77页 |
| A.2 Selection of vairables | 第77-78页 |
| A.3 Moorse-Penrose generalized in vers | 第78-80页 |
| ACKNOWLEDGMENT | 第80-81页 |
| RESEARCH ACHIEVEMENTS AND PUBLISHED PAPERS | 第81-83页 |
| BREIF INTRODUCTION OF AUTHOR AND SUPERVISOR | 第83-84页 |
| 附件 | 第84-85页 |
