| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 1 绪论 | 第10-16页 |
| ·研究的目的和意义 | 第10-12页 |
| ·国内外研究现状和发展趋势 | 第12-14页 |
| ·主要研究内容、途径及技术路线 | 第14-15页 |
| ·本论文内容安排 | 第15-16页 |
| 2 BP神经网络、小波网络、模糊神经网络 | 第16-37页 |
| ·引言 | 第16页 |
| ·改进BP学习算法 | 第16-19页 |
| ·BP神经网络对非线性系统进行仿真 | 第19-21页 |
| ·小波分析基础 | 第21-25页 |
| ·模糊逻辑技术 | 第25-26页 |
| ·模糊神经网络 | 第26-28页 |
| ·小波网络 | 第28-37页 |
| 3 模糊小波网络模型的构造 | 第37-53页 |
| ·引言 | 第37-38页 |
| ·模糊系统的T-S模型 | 第38-39页 |
| ·模糊后件为小波网络的模糊小波网络(FWN2)模型 | 第39-43页 |
| ·FWN2模型的结构设计和学习算法研究 | 第43-53页 |
| 4 神经网络及系统辨识在网络延时预测中的研究 | 第53-73页 |
| ·引言 | 第53页 |
| ·网络控制系统概述 | 第53-54页 |
| ·网络延时的分析 | 第54-58页 |
| ·时延预测算法研究现状 | 第58-60页 |
| ·系统结构设计 | 第60-65页 |
| ·神经网络对混沌时间序列的预测 | 第65-69页 |
| ·AR模型和ARMAX模型对混沌时间序列的预测 | 第69-73页 |
| 5 基于神经网络和小波网络的自适应PID控制器 | 第73-89页 |
| ·引言 | 第73-74页 |
| ·BP神经网络PID控制器 | 第74-82页 |
| ·小波神经网络PID控制器 | 第82-89页 |
| 6 总结与展望 | 第89-92页 |
| ·总结 | 第89-90页 |
| ·展望 | 第90-92页 |
| 参考文献 | 第92-98页 |
| 作者在读期间科研成果简介 | 第98-100页 |
| 致谢 | 第100页 |