| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-20页 |
| ·引言 | 第12页 |
| ·神经网络概述 | 第12-15页 |
| ·DRNN网络非线性系统辨识的研究现状 | 第15-18页 |
| ·递归神经网络在非线性系统辨识中的应用 | 第15-16页 |
| ·DRNN网络在非线性系统辨识中的应用 | 第16-18页 |
| ·支持向量机的研究现状 | 第18-19页 |
| ·本文的研究内容及结构 | 第19-20页 |
| 第2章 DRNN网络辨识的基本原理 | 第20-26页 |
| ·DRNN网络的数学模型 | 第20-21页 |
| ·DRNN网络的学习过程 | 第21-23页 |
| ·神经网络辨识的基本原理与方法 | 第23-25页 |
| ·神经网络辨识的基本原理 | 第23-24页 |
| ·神经网络辨识的方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于DRNN网络的非线性系统辨识 | 第26-44页 |
| ·基于DBP算法的非线性系统辨识 | 第26-32页 |
| ·DBP算法 | 第26-28页 |
| ·DBP算法实现步骤 | 第28-29页 |
| ·基于DBP算法的非线性系统辨识仿真 | 第29-32页 |
| ·基于Lyapunov函数的非线性系统辨识 | 第32-35页 |
| ·Lyapunov函数学习速率自适应调整算法思想 | 第32-33页 |
| ·基于Lyapunov函数算法的非线性系统辨识仿真 | 第33-35页 |
| ·基于遗传算法的非线性系统辨识 | 第35-41页 |
| ·遗传算法优化DRNN网络的基本思想 | 第35-37页 |
| ·遗传算法实现步骤 | 第37-39页 |
| ·基于遗传算法的非线性系统辨识仿真 | 第39-41页 |
| ·DBP算法、Lyapunov函数算法及遗传算法的比较 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于RPROP算法的非线性系统辨识 | 第44-55页 |
| ·RPROP算法的基本原理 | 第44-46页 |
| ·RPROP算法的实施步骤 | 第46-48页 |
| ·非线性系统辨识的仿真研究 | 第48-53页 |
| ·Lyapunov函数算法和RPROP算法的比较 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于RPROP-SVR混合算法的非线性系统辨识 | 第55-75页 |
| ·支持向量机原理 | 第55-63页 |
| ·统计学习理论 | 第55-56页 |
| ·最优分类超平面 | 第56-60页 |
| ·支持向量机 | 第60-63页 |
| ·支持向量回归算法的基本思想 | 第63-64页 |
| ·RPROP-SVR混合算法的实施步骤 | 第64-67页 |
| ·非线性系统辨识的仿真研究 | 第67-71页 |
| ·RPROP算法与RPROP-SVR混合算法的比较 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的学术论文 | 第82页 |
