| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-14页 |
| ·人工神经网络发展历史及现状 | 第9-11页 |
| ·RBF神经网络的发展简史 | 第11-12页 |
| ·本文的主要研究内容及结构 | 第12-14页 |
| 2 RBF神经网络及其学习算法 | 第14-21页 |
| ·RBF神经网络 | 第14-17页 |
| ·RBF神经网络结构 | 第14-16页 |
| ·RBF神经网络与MLP的比较 | 第16-17页 |
| ·RBF神经网络学习算法 | 第17-21页 |
| ·随机选取固定中心 | 第18页 |
| ·中心的自组织选择 | 第18-19页 |
| ·自组织学习阶段 | 第19页 |
| ·监督学习阶段 | 第19页 |
| ·中心的监督选择 | 第19-21页 |
| 3 DLCRBF神经网络及其应用 | 第21-37页 |
| ·DLCRBF神经网络 | 第21-24页 |
| ·DLCRBF神经网络的拓扑结构 | 第21-22页 |
| ·DLCRBF神经网络的学习算法 | 第22-24页 |
| ·DLCRBF神经网络的应用实例 | 第24-37页 |
| ·乙烯生产中纯度的软测量建模 | 第25-28页 |
| ·丙烯生产中杂质丙烷含量的监测 | 第28-32页 |
| ·DLCRBF网络在上市公司财务预警赢利能力建模上的应用 | 第32-37页 |
| 4 隐节点合成的资源分配网络(HUCRAN)及其应用 | 第37-55页 |
| ·资源分配网络 | 第37-42页 |
| ·RAN网络结构 | 第38-39页 |
| ·学习算法 | 第39-41页 |
| ·算法实现 | 第41页 |
| ·RAN的优点与缺点 | 第41-42页 |
| ·相关性剪枝方法 | 第42-45页 |
| ·隐节点相关情况分析 | 第42-43页 |
| ·隐节点合成方法 | 第43-45页 |
| ·隐节点合成时刻 | 第43页 |
| ·隐节点合成条件 | 第43-44页 |
| ·隐节点合成方法 | 第44-45页 |
| ·隐节点合成的算法实现 | 第45页 |
| ·隐节点合成算法的缺点 | 第45页 |
| ·用隐节点合成算法改进的RAN算法 | 第45-49页 |
| ·HUCRAN神经网络的应用实例 | 第49-55页 |
| ·HUCRAN在乙烯生产纯度监测中的应用 | 第49-51页 |
| ·HUCRAN在丙烯生产纯度监测中的应用 | 第51-52页 |
| ·HUCRAN网络在上市公司财务预警赢利能力建模上的应用 | 第52-55页 |
| 5 结束语 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
