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 |