网络权值准则及其在伪周期动力特征识别中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·课题背景 | 第7页 |
| ·本课题研究的目的和意义 | 第7-8页 |
| ·相关技术的研究现状 | 第8-10页 |
| ·混沌理论的发展现状 | 第8-9页 |
| ·神经网络的发展和应用 | 第9-10页 |
| ·本文主要研究内容 | 第10-12页 |
| 第2章 神经网络建模 | 第12-18页 |
| ·引言 | 第12页 |
| ·BP 神经网络 | 第12-14页 |
| ·最小描述长度方法 | 第14-16页 |
| ·相空间重构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 LM 算法下的网络权值准则 | 第18-23页 |
| ·引言 | 第18页 |
| ·列文伯格—马夸尔特算法的工作原理 | 第18-20页 |
| ·LM 算法下的权值分布准则理论推导 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第4章 实验数据 | 第23-38页 |
| ·引言 | 第23页 |
| ·验证网络权值准则 | 第23-27页 |
| ·正弦数据 | 第23-24页 |
| ·Rossler 微分方程 | 第24-27页 |
| ·权值权值准则的鲁棒性 | 第27-32页 |
| ·Rossler 微分方程 | 第27-30页 |
| ·Logistic 微分方程 | 第30-32页 |
| ·网络权值准则的实际应用 | 第32-37页 |
| ·人体心电数据 | 第32-34页 |
| ·语音数据 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 改进权值分布准则 | 第38-44页 |
| ·引言 | 第38页 |
| ·消除周期长度的影响 | 第38-41页 |
| ·提高抗噪音能力 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读学位期间发表的学术论文 | 第49-51页 |
| 致谢 | 第51页 |
