| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 第一章 绪论 | 第7-18页 |
| §1.1 研究背景及问题 | 第7-8页 |
| §1.2 人工神经网络概述 | 第8-15页 |
| §1.2.1 人工神经网络的基本概念及其工作原理 | 第8-13页 |
| §1.2.2 人工神经网络的学习 | 第13-15页 |
| §1.3 极限学习机的提出与发展 | 第15-17页 |
| §1.4 本文研究内容和组织结构 | 第17-18页 |
| 第二章 随机机制类学习算法综述 | 第18-33页 |
| §2.1 引言 | 第18-19页 |
| §2.2 Genlenbe's随机神经网络(GNN) | 第19-22页 |
| §2.3 随机向量函数连接型网络(RVFL) | 第22-24页 |
| §2.4 回声状态网络(ESN) | 第24-27页 |
| §2.5 极限学习机(ELM) | 第27-32页 |
| §2.5.1 原始极限学习机 | 第27-29页 |
| §2.5.2 凸增量极限学习机(CI-ELM) | 第29-32页 |
| §2.6 本章小结 | 第32-33页 |
| 第三章 基于条件选择的CI-ELM逼近阶估计 | 第33-40页 |
| §3.1 引言 | 第33页 |
| §3.2 基于条件选择的CI-ELM的逼近阶估计 | 第33-38页 |
| §3.2.1 准备知识 | 第33-34页 |
| §3.2.2 基于条件选择的CI-ELM的逼近阶证明 | 第34-38页 |
| §3.3 数值实验 | 第38-39页 |
| §3.4 本章小结 | 第39-40页 |
| 第四章 基于Cauchy-Schwarz不等式的CI-ELM逼近阶估计 | 第40-45页 |
| §4.1 引言 | 第40页 |
| §4.2 基于Cauchy-Schwarz不等式的CI-ELM逼近阶估计 | 第40-44页 |
| §4.2.1 准备知识 | 第40-42页 |
| §4.2.2 CI-ELM的逼近阶证明 | 第42-44页 |
| §4.3 本章小结 | 第44-45页 |
| 论文总结与前景展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 攻读硕士学位期间取得的科研成果 | 第51-52页 |
| 致谢 | 第52页 |
