| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-18页 |
| ·人工神经网路概述 | 第8-9页 |
| ·人工神经网络发展简史 | 第9-12页 |
| ·人工神经网络的基本特点与功能 | 第12-14页 |
| ·神经网络的应用领域 | 第14-15页 |
| ·神经网络发展趋势 | 第15-16页 |
| ·论文的主要内容和安排 | 第16-18页 |
| 2 人工神经网络原理 | 第18-37页 |
| ·生物神经元模型 | 第18-20页 |
| ·人工神经元模型 | 第20-24页 |
| ·人工神经网络的分类及学习规则 | 第24-32页 |
| ·人工神经网络的分类 | 第24-27页 |
| ·神经网络的学习 | 第27-32页 |
| ·神经网络的工作方式 | 第32-33页 |
| ·生物神经网络与人工神经网络的比较 | 第33-34页 |
| ·人工神经网络的信息处理能力 | 第34-37页 |
| 3 BP 神经网络 | 第37-53页 |
| ·BP 网络结构 | 第37-39页 |
| ·BP 算法 | 第39-41页 |
| ·BP 神经网络的传递函数 | 第39-40页 |
| ·BP 学习规则 | 第40-41页 |
| ·BP 算法流程 | 第41页 |
| ·改进后的BP 算法 | 第41-44页 |
| ·BP 网络的限制与不足 | 第42-43页 |
| ·LMBP 算法 | 第43-44页 |
| ·LMBP 算法流程 | 第44页 |
| ·应用MATLAB 神经网络工具箱对常用BP 算法的分析 | 第44-49页 |
| ·BP 网络设计 | 第49-53页 |
| ·输入层节点数的确定 | 第49-50页 |
| ·输出层节点数的确定 | 第50页 |
| ·隐含层数和层内节点数的确定 | 第50-53页 |
| 4 神经网络在有源电力滤波器中的应用 | 第53-70页 |
| ·电力系统谐波的产生及危害 | 第53-55页 |
| ·谐波抑制技术及有源电力滤波器的提出 | 第55-62页 |
| ·主动型谐波抑制技术 | 第55-56页 |
| ·被动型无源滤波器 | 第56-57页 |
| ·有源电力滤波器的提出 | 第57-60页 |
| ·混合电力补偿器（HPC）的原理及结构 | 第60-62页 |
| ·基于小波变换和神经网络的电力谐波测量 | 第62-66页 |
| ·小波变换 | 第63-64页 |
| ·特征提取 | 第64-66页 |
| ·混合电力补偿器控制功能的神经网络实现 | 第66-70页 |
| 5 结论及展望 | 第70-72页 |
| ·本文所做的工作 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 附录1 攻读硕士期间发表或录用的学术论文 | 第78页 |