| 中文摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-9页 |
| ·研究的意义 | 第6-7页 |
| ·基于神经网络的系统建模研究概况 | 第7-8页 |
| ·论文的主要工作 | 第8-9页 |
| 第二章 神经网络 | 第9-18页 |
| ·神经网络的定义 | 第9-10页 |
| ·神经网络的性质与功能 | 第10-11页 |
| ·神经网络的基本性质 | 第11页 |
| ·神经网络的基本功能 | 第11页 |
| ·神经网络的发展 | 第11-13页 |
| ·神经网络模型 | 第13-15页 |
| ·神经网络的结构 | 第13页 |
| ·神经网络的学习方式 | 第13-15页 |
| ·神经网络的应用领域 | 第15页 |
| ·神经网络的说明性实例 | 第15-18页 |
| ·模式分类 | 第16页 |
| ·非线性函数逼近 | 第16-18页 |
| 第三章 超超临界机组单元机组简介 | 第18-26页 |
| ·超超临界机组的发展 | 第18-19页 |
| ·超超临界机组的优势 | 第19-20页 |
| ·超超临界机组动态模型的复杂性 | 第20-22页 |
| ·单元机组动态特性简述 | 第22-26页 |
| 第四章 基于神经网络的超超临界单元机组动态特性模型 | 第26-70页 |
| ·引言 | 第26-27页 |
| ·超超临界单元机组的线性模型 | 第27-37页 |
| ·多输入多输出系统的最小二乘参数估计的递推算法 | 第27-30页 |
| ·超超临界单元机组的线性模型 | 第30-37页 |
| ·超超临界单元机组的 ARMAX 模型结构 | 第30-32页 |
| ·超超临界单元机组的 ARMAX 模型辨识结果 | 第32-34页 |
| ·超超临界单元机组的 ARMAX 模型测试结果 | 第34-37页 |
| ·超超临界单元机组的 BP 神经网络模型 | 第37-48页 |
| ·BP 神经网络 | 第37-41页 |
| ·BP 神经网络结构 | 第37-38页 |
| ·BP 神经网络算法描述 | 第38-40页 |
| ·BP 算法的改进 | 第40-41页 |
| ·超超临界单元机组的 BP 神经网络模型 | 第41-48页 |
| ·超超临界单元机组 BP 神经网络模型的设计 | 第41-43页 |
| ·超超临界单元机组 BP 神经网络模型的训练 | 第43-45页 |
| ·超超临界单元机组 BP 神经网络模型的测试 | 第45-48页 |
| ·超超临界单元机组的 RBF 神经网络模型 | 第48-57页 |
| ·RBF 神经网络 | 第48-51页 |
| ·RBF 网络结构 | 第48-49页 |
| ·RBF 网络常用的学习算法 | 第49-51页 |
| ·超超临界单元机组的 RBF 神经网络模型 | 第51-57页 |
| ·超超临界单元机组 RBF 神经网络模型的设计 | 第51-52页 |
| ·超超临界单元机组 RBF 神经网络模型的训练 | 第52-55页 |
| ·超超临界单元机组 RBF 神经网络模型的测试 | 第55-57页 |
| ·超超临界单元机组的模糊神经网络模型 | 第57-70页 |
| ·模糊系统的 Takagi-Sugeno 模型 | 第58-59页 |
| ·基于 Takagi-Sugeno 模型的模糊神经网络 | 第59-63页 |
| ·基于 Takagi-Sugeno 模型的模糊神经网络系统结构 | 第59-61页 |
| ·基于 Takagi-Sugeno 模型的模糊神经网络的学习算法 | 第61-63页 |
| ·超超临界单元机组的模糊神经网络模型 | 第63-70页 |
| ·超超临界单元机组模糊神经网络模型的设计 | 第63-64页 |
| ·超超临界单元机组模糊神经网络模型的训练 | 第64-66页 |
| ·超超临界单元机组模糊神经网络模型的测试 | 第66-70页 |
| 第五章 结论与展望 | 第70-72页 |
| ·结论 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74-75页 |
| 在学期间发表的学术论文和参加科研情况 | 第75页 |
