| 1 绪论 | 第1-22页 |
| ·贝叶斯理论的发展简述 | 第19-20页 |
| ·论文主要内容 | 第20-22页 |
| 2 遗传算法与人工神经网络 | 第22-28页 |
| ·遗传算法概述 | 第22-25页 |
| ·人工神经元网络模型 | 第25-27页 |
| ·用遗传算法优化神经网络 | 第27-28页 |
| 3 遗传算法在处理非线性贝叶斯动态模型中的应用 | 第28-33页 |
| ·观测方程为非线性的贝叶斯动态模型的进化神经网络(ENN)处理 | 第28-33页 |
| 4 自适应METROPOLIS算法和非线性贝叶斯动态模型 | 第33-44页 |
| ·MARKOV CHAIN MONTE CARLO(MCMC)方法简介 | 第33-36页 |
| ·一种自适应METROPOLIS(AM)算法 | 第36-39页 |
| ·非线性贝叶斯动态模型的AM算法处理 | 第39-44页 |
| 5 混合广义线性动态模型(MGDLM) | 第44-52页 |
| ·混合广义线性动态模型(MGDLM)的定义 | 第44-46页 |
| ·两种特殊形式的混合广义线性动态模型 | 第46-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |