区间神经网络的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究的背景及意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 本文的研究意义 | 第13-14页 |
| 1.2 国内外研究动态 | 第14-17页 |
| 1.2.1 区间集研究现状 | 第14-16页 |
| 1.2.2 区间神经网络研究现状 | 第16-17页 |
| 1.3 本文工作及内容安排 | 第17-21页 |
| 第2章 理论基础及相关概念 | 第21-33页 |
| 2.1 神经网络基本原理 | 第21-26页 |
| 2.1.1 人工神经元模型 | 第21-24页 |
| 2.1.2 人工神经网络的学习方式 | 第24-26页 |
| 2.2 BP神经网络 | 第26-27页 |
| 2.2.1 BP神经网络结构 | 第26-27页 |
| 2.2.2 BP学习算法 | 第27页 |
| 2.3 区间运算的基本概念 | 第27-31页 |
| 2.3.1 区间数及相关概念 | 第28-29页 |
| 2.3.2 基本区间运算 | 第29页 |
| 2.3.3 区间运算得性质 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 前馈区间神经网络研究 | 第33-61页 |
| 3.1 前馈区间神经网络结构 | 第33-34页 |
| 3.1.1 第一类前馈区间神经网络 | 第33-34页 |
| 3.1.2 第二类前馈区间神经网络 | 第34页 |
| 3.2 基于梯度下降法的权值学习 | 第34-54页 |
| 3.2.1 第一类前馈区间神经网络的权值学习算法 | 第35-47页 |
| 3.2.2 第二类前馈区间神经网络的权值学习算法 | 第47-54页 |
| 3.3 基于区间优化算法的权值学习 | 第54-59页 |
| 3.3.1 分支定界法 | 第54-56页 |
| 3.3.2 区间优化算法基本结构 | 第56-57页 |
| 3.3.3 数据实验 | 第57-59页 |
| 3.4 本章小结 | 第59-61页 |
| 第4章 反馈区间神经网络研究 | 第61-73页 |
| 4.1 反馈神经网络 | 第61-71页 |
| 4.1.1 Jordan神经网络 | 第61-63页 |
| 4.1.2 反馈神经网络的学习算法 | 第63-66页 |
| 4.1.3 改进的Jordan神经网络 | 第66-69页 |
| 4.1.4 数据实验 | 第69-71页 |
| 4.2 区间反馈神经网络 | 第71-72页 |
| 4.3 本章小结 | 第72-73页 |
| 第5章 谷氨酸发酵过程区间神经网络模型 | 第73-89页 |
| 5.1 背景与意义 | 第73-75页 |
| 5.1.1 区间神经网络工业应用与意义 | 第73-74页 |
| 5.1.2 区间分析在控制领域的应用 | 第74-75页 |
| 5.2 发酵模型影响因素分析 | 第75-76页 |
| 5.3 谷氨酸发酵过程模型 | 第76-87页 |
| 5.3.1 谷氨酸发酵过程分析 | 第76-77页 |
| 5.3.2 神经网络输入量的区间化 | 第77-79页 |
| 5.3.3 第二类前馈区间神经网络建模 | 第79-82页 |
| 5.3.4 区间Jordan神经网络建模 | 第82-87页 |
| 5.4 本章小结 | 第87-89页 |
| 第6章 结论与展望 | 第89-91页 |
| 参考文献 | 第91-97页 |
| 致谢 | 第97页 |
