首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于人工神经网络的非线性时变系统辨识研究

摘要第1-5页
Abstract第5-8页
第一章 绪论第8-13页
   ·课题的研究背景及意义第8页
   ·国内外研究现状第8-11页
   ·论文研究内容第11页
   ·论文组织结构第11-13页
第二章 系统辨识及神经网络理论基础第13-21页
   ·系统辨识概述第13-15页
     ·系统辨识概念第13页
     ·非线性时变系统第13-15页
   ·传统系统辨识方法第15-17页
     ·参数辨识方法第15-16页
     ·模型描述法第16-17页
   ·人工神经网络理论基础第17-20页
     ·人工神经元模型第18页
     ·人工神经网络结构第18-19页
     ·人工神经网络学习方法第19-20页
   ·本章小结第20-21页
第三章 人工神经网络系统辨识方法第21-32页
   ·概述第21-22页
   ·BP网络及其辨识仿真分析第22-24页
     ·BP网络结构及学习算法第22-23页
     ·仿真分析第23-24页
   ·RBF网络及其辨识仿真分析第24-26页
     ·RBF网络结构及学习算法第24-25页
     ·仿真分析第25-26页
   ·GRNN网络及其辨识仿真分析第26-31页
     ·概率神经网络简介第26-27页
     ·GRNN理论基础及网络结构第27-30页
     ·仿真分析第30页
     ·GRNN网络特点分析第30-31页
   ·本章小结第31-32页
第四章 广义回归网络模式层节点约简第32-39页
   ·模糊C均值聚类简介第32-33页
   ·基于FCM的GRNN模式层节点约简第33-38页
     ·基于FCM的约简方法第33-36页
     ·仿真分析第36-38页
   ·本章小结第38-39页
第五章 基于广义回归网络的系统辨识第39-54页
   ·概述第39-40页
   ·平滑因子计算方法第40-42页
     ·平滑因子范围确定第40-41页
     ·常用计算方法第41-42页
   ·平滑因子优化策略第42-47页
     ·基于贡献率的选择优化方法第43-45页
     ·仿真测试与性能分析第45-47页
   ·基于GRNN网络的辨识策略第47页
   ·GRNN网络在天然气水合物电阻率测量系统中的应用第47-53页
     ·系统描述与模型分析第47-50页
     ·辨识过程第50-52页
     ·结果分析第52-53页
   ·本章小结第53-54页
结论第54-56页
参考文献第56-60页
攻读硕士学位期间取得的学术成果第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:BP网络结构确定算法的研究及仿真
下一篇:迭代学习控制的应用研究