| 摘要 | 第1-8页 |
| Abstract | 第8-16页 |
| 第1章 绪论 | 第16-28页 |
| ·课题背景 | 第16-17页 |
| ·课题来源 | 第16页 |
| ·研究的目的及意义 | 第16-17页 |
| ·模糊与小波神经网络的研究现状 | 第17-27页 |
| ·模糊神经网络的研究现状 | 第17-23页 |
| ·小波神经网络的研究现状 | 第23-26页 |
| ·复杂系统神经网络控制方法 | 第26-27页 |
| ·主要研究内容 | 第27-28页 |
| 第2章 基于模糊聚类算法的模糊神经网络 | 第28-46页 |
| ·模糊推理模型 | 第28-29页 |
| ·模糊推理 | 第28页 |
| ·T-S 模糊推理模型 | 第28-29页 |
| ·T-S 模糊神经网络模型 | 第29-32页 |
| ·改进的模糊C 均值聚类法 | 第32-45页 |
| ·聚类算法的引入 | 第32-36页 |
| ·初始聚类中心的选择 | 第36-37页 |
| ·聚类数目优选 | 第37-42页 |
| ·改进算法的步骤 | 第42页 |
| ·仿真实例 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 基于灵敏度剪枝的自适应T-S 模糊神经网络 | 第46-63页 |
| ·网络结构优化问题 | 第46-48页 |
| ·灵敏度剪枝算法 | 第48-54页 |
| ·算法原理 | 第48-51页 |
| ·改进算法步骤 | 第51页 |
| ·仿真实例 | 第51-54页 |
| ·一种改进的自适应T-S 模糊神经网络的实现 | 第54-59页 |
| ·T-S 型模糊神经网络模型构建 | 第54-56页 |
| ·模糊神经网络参数和结构的自适应调整 | 第56-59页 |
| ·算法实现 | 第59页 |
| ·仿真实例 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第4章 初始参数优化的多级自适应小波神经网络 | 第63-88页 |
| ·小波函数及其构造 | 第63-67页 |
| ·小波函数 | 第63-65页 |
| ·小波函数的构造 | 第65-67页 |
| ·自适应小波神经网络模型构造 | 第67-73页 |
| ·小波神经网络的分类及结构 | 第67-71页 |
| ·改进的多级自适应小波神经网络 | 第71-73页 |
| ·小波神经网络学习及优化算法 | 第73-79页 |
| ·改进学习率的BP 算法 | 第73-76页 |
| ·改进的共轭梯度算法 | 第76-79页 |
| ·小波神经网络函数逼近仿真研究 | 第79-81页 |
| ·改进的自适应遗传算法 | 第81-87页 |
| ·种群的多样性评价 | 第82-83页 |
| ·一种改进的种群多样性评价指标 | 第83-84页 |
| ·算法描述 | 第84-85页 |
| ·仿真实例 | 第85-87页 |
| ·本章小结 | 第87-88页 |
| 第5章 自适应小波神经网络控制器设计 | 第88-110页 |
| ·小波神经网络控制器的小波基选取 | 第88-90页 |
| ·自适应小波神经网络控制器的初始参数确定 | 第90-91页 |
| ·二阶倒立摆小波神经网络控制器设计 | 第91-99页 |
| ·二阶倒立摆系统描述 | 第92-93页 |
| ·小波神经网络结构的确定 | 第93页 |
| ·网络初始参数的确定 | 第93-94页 |
| ·分级自适应小波神经网络控制器模型 | 第94-95页 |
| ·网络的学习与训练 | 第95-99页 |
| ·基于自适应小波神经网络二阶倒立摆系统仿真与控制 | 第99-109页 |
| ·控制系统的仿真研究 | 第99-103页 |
| ·自适应小波神经网络控制器抗干扰能力研究 | 第103-106页 |
| ·自适应小波神经网络控制器的实验研究 | 第106-109页 |
| ·本章小结 | 第109-110页 |
| 结论 | 第110-112页 |
| 参考文献 | 第112-121页 |
| 攻读学位期间发表的学术论文 | 第121-122页 |
| 致谢 | 第122页 |