神经网络结构理论与技术的研究及其在过程模拟与过程控制中的应用
| 致谢 | 第1-5页 |
| 中文摘要 | 第5-7页 |
| 英文摘要 | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·问题的由来 | 第12-13页 |
| ·人工神经网络的发展 | 第13-15页 |
| ·人工神经网络的本质 | 第15-16页 |
| ·人工神经网络的应用 | 第16-19页 |
| ·本文工作主要内容 | 第19-20页 |
| 第二章 神经网络学习机制的研究 | 第20-37页 |
| ·人工神经计算基础 | 第20-25页 |
| ·人工神经元及其组成部分 | 第20-22页 |
| ·人工神经网络模型 | 第22-24页 |
| ·人工神经网络的拓扑结构 | 第24-25页 |
| ·BP算法与网络学习机制 | 第25-30页 |
| ·网络训练机制 | 第25页 |
| ·反向传播算法 | 第25-29页 |
| ·BP算法的一般改进措施 | 第29-30页 |
| ·训练样本的选择 | 第30-31页 |
| ·基于学习误差的η、α参数自适应调整 | 第31-35页 |
| ·权值初置与随机调整 | 第35页 |
| ·双重收敛目标 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第三章 神经网络结构理论的研究 | 第37-78页 |
| ·神经网络结构分析 | 第37-38页 |
| ·神经网结构优化算法 | 第38-42页 |
| ·网络结构优化策略 | 第38-39页 |
| ·活化函数的改进 | 第39-41页 |
| ·典型的具有冗余权值和冗余节点的网络分析 | 第41-42页 |
| ·网络结构优化的目标函数 | 第42-45页 |
| ·罚函数与双重优化目标函数 | 第42-44页 |
| ·网络复杂度罚因子的自适应调整 | 第44-45页 |
| ·最佳拓扑结构的确定方法 | 第45-50页 |
| ·稳态过程神经网络结构优化的应用研究 | 第50-70页 |
| ·具有冗余隐含层节点的情况 | 第50-57页 |
| ·输入层、隐含层具有冗余节点的情况 | 第57-60页 |
| ·结构优化中的参数分析 | 第60-70页 |
| ·动态过程神经网络结构优化的应用研究 | 第70-76页 |
| ·连续搅拌釜反应器CSTR | 第70-72页 |
| ·CSTR神经网络模型 | 第72-76页 |
| ·小结 | 第76-78页 |
| 第四章 神经网络非线性控制系统研究 | 第78-90页 |
| ·引言 | 第78-79页 |
| ·神经网络辨识控制方法 | 第79-81页 |
| ·神经网络控制器结构与算法 | 第81-83页 |
| ·智能控制应用实例 | 第83页 |
| ·动态系统神经网络结构的改进及其应用 | 第83-88页 |
| ·输入层结构的改进 | 第83-85页 |
| ·控制器输入参数的选择 | 第85-87页 |
| ·连续搅拌釜反应器CSTR的智能控制 | 第87-88页 |
| ·小结 | 第88-90页 |
| 第五章 智能过程模拟与控制系统程序设计 | 第90-93页 |
| ·系统总体结构 | 第90页 |
| ·子系统及其功能 | 第90-93页 |
| 第六章 神经网络工业过程模型化与模拟 | 第93-103页 |
| ·萘催化氧化流化床反应器的模型化与模拟 | 第93-100页 |
| ·工业背景 | 第93-95页 |
| ·萘氧化反应过程分析 | 第95-97页 |
| ·神经网络模型化与模拟 | 第97-100页 |
| ·苯乙烯生产装置烃化/反烃化反应器预测模型的建立 | 第100-102页 |
| ·工业流程 | 第100-101页 |
| ·神经网络模型结构的确定及其应用 | 第101-102页 |
| ·小结 | 第102-103页 |
| 第七章 时变系统的鲁棒自适应神经网络控制实践 | 第103-111页 |
| ·问题的描述 | 第103-104页 |
| ·时变系统神经网络辨识器和控制器的设计 | 第104-106页 |
| ·控制结果与分析 | 第106-111页 |
| 第八章 总结与进一步工作设想 | 第111-114页 |
| ·总结 | 第111-113页 |
| ·进一步工作设想 | 第113-114页 |
| 附录 | 第114-115页 |
| 参考文献 | 第115-123页 |
