| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·引言 | 第9页 |
| ·本课题研究的背景和意义 | 第9-11页 |
| ·二阶对角递归神经网络的算法研究 | 第11-14页 |
| ·递归神经网络的算法研究 | 第11-13页 |
| ·二阶对角递归神经网络的算法研究 | 第13-14页 |
| ·本文的研究内容和结构 | 第14-16页 |
| 第2章 递归神经网络的结构 | 第16-27页 |
| ·引言 | 第16页 |
| ·全局反馈递归神经网络 | 第16-19页 |
| ·Hopfield网络 | 第16-17页 |
| ·NARX网络和ARX网络 | 第17页 |
| ·Jordon网络 | 第17-19页 |
| ·前向递归神经网络 | 第19-21页 |
| ·局部连接前向递归神经网络 | 第19-20页 |
| ·全连接前向递归神经网 | 第20-21页 |
| ·二阶对角递归神经网络(SDRNN) | 第21-24页 |
| ·SDRNN网络的数学模型 | 第21-23页 |
| ·SDRNN网络的学习过程 | 第23-24页 |
| ·混合型递归神经网络 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于神经网络的系统辨识原理 | 第27-35页 |
| ·系统辨识 | 第27-30页 |
| ·系统辨识简介 | 第27-28页 |
| ·系统辨识的定义 | 第28-30页 |
| ·神经网络系统辨识的特点 | 第30-31页 |
| ·神经网络辨识的基本原理 | 第31-33页 |
| ·神经网络辨识基本原理 | 第31-32页 |
| ·神经网络辨识器分类 | 第32-33页 |
| ·神经网络非线性系统辨识的模型及结构 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 SDRNN梯度学习算法的收敛性 | 第35-44页 |
| ·引言 | 第35-36页 |
| ·SDRNN的梯度学习算法 | 第36-40页 |
| ·最速下降法 | 第36-37页 |
| ·SDRNN网络改进的学习算法 | 第37-40页 |
| ·SDRNN梯度学习算法的收敛性 | 第40-43页 |
| ·已有的一些主要收敛性结果及引理 | 第40-41页 |
| ·SDRNN改进梯度学习算法的收敛性 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于SDRNN网络的非线性系统辨识 | 第44-62页 |
| ·SDRNN网络非线性系统辨识的基本原理 | 第44-45页 |
| ·基于DBP算法的SDRNN非线性系统辨识 | 第45-54页 |
| ·DBP算法 | 第45-49页 |
| ·改进的DBP算法 | 第49-51页 |
| ·基于DBP算法和改进的DBP算法的非线性系统辨识 | 第51-54页 |
| ·基于RPROP算法的SDRNN非线性系统辨识 | 第54-61页 |
| ·RPROP算法的基本原理 | 第54-55页 |
| ·RPROP算法实现步骤 | 第55-56页 |
| ·RPROP算法的非线性系统辨识的实施步骤 | 第56-59页 |
| ·RPROP算法的非线性系统辨识的仿真研究 | 第59-60页 |
| ·RPROP算法与改进的DBP算法的比较 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-69页 |
| 致谢 | 第69页 |