| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·神经网络概述 | 第8-13页 |
| ·神经网络的发展历史 | 第9-11页 |
| ·神经元模型和网络结构 | 第11-13页 |
| ·RBF 神经网络学习算法研究现状 | 第13-16页 |
| ·本文主要研究工作 | 第16-18页 |
| 第二章 径向基函数神经网络 | 第18-31页 |
| ·RBF 神经网络原理 | 第18-27页 |
| ·径向基函数与插值问题 | 第18-20页 |
| ·正则化理论与正则化网络 | 第20-22页 |
| ·RBF 网络的数学模型 | 第22-24页 |
| ·RBF 网络的逼近性能 | 第24-25页 |
| ·核回归及其与RBF 网络的关系 | 第25-27页 |
| ·RBF 网络常用的学习算法 | 第27-31页 |
| ·基于k-均值聚类的RBF 网络学习方法 | 第27-28页 |
| ·梯度训练方法 | 第28-29页 |
| ·正交最小二乘（OLS）学习算法 | 第29-31页 |
| 第三章 基于微分进化免疫的RBF 网络学习算法 | 第31-45页 |
| ·微分进化算法 | 第31-34页 |
| ·微分进化算法的基本策略 | 第31-33页 |
| ·微分进化算法的特点及不足 | 第33-34页 |
| ·免疫算法的概念与原理 | 第34-36页 |
| ·生物免疫系统 | 第34-35页 |
| ·免疫算法的概念与原理 | 第35-36页 |
| ·免疫算法与最优化问题 | 第36页 |
| ·基于微分进化免疫的RBF 网络学习算法 | 第36-40页 |
| ·免疫算子描述 | 第37-39页 |
| ·算法描述 | 第39-40页 |
| ·仿真实验 | 第40-44页 |
| ·Hermite 多项式逼近 | 第40-42页 |
| ·Mackey-Glass 时间序列预测 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第四章 改进的模糊聚类算法 | 第45-52页 |
| ·模糊聚类方法 | 第45-47页 |
| ·模糊c-均值聚类算法 | 第45-46页 |
| ·减法聚类 | 第46-47页 |
| ·减法聚类与模糊 c-均值聚类相结合应用于 RBF 网络设计 | 第47-48页 |
| ·仿真实验 | 第48-50页 |
| ·小结 | 第50-52页 |
| 第五章 总结和展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间所做的科研工作 | 第59-60页 |
| 致谢 | 第60-61页 |
| 详细摘要 | 第61-63页 |