混合优化算法在热工对象系统辨识中的应用研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-14页 |
| ·辨识的含义及其发展现状 | 第6-7页 |
| ·系统辨识的模型 | 第7-12页 |
| ·本文的重要工作内容 | 第12-14页 |
| 第二章 系统辨识的经典理论 | 第14-22页 |
| ·经典理论的产生 | 第14-16页 |
| ·机理模型 | 第16-17页 |
| ·系统辨识 | 第17-22页 |
| ·预测 | 第19-20页 |
| ·最小预测误差 | 第20页 |
| ·最小二乘估计 | 第20-22页 |
| 第三章 基于神经网络的系统辨识的基本内容 | 第22-29页 |
| ·神经网络辨识内涵 | 第22页 |
| ·非线性系统的辨识模型及其结构 | 第22-24页 |
| ·神经网络辨识与其他辨识方法的比较 | 第24-25页 |
| ·神经网络在非线性系统辨识中的应用现状和存在问题 | 第25-27页 |
| ·基于神经网络系统辨识的任务和基本思路 | 第27-29页 |
| 第四章 基于混合优化算法的RBF神经网络系统辨识 | 第29-62页 |
| ·遗传算法的基本原理和方法介绍 | 第29-37页 |
| ·生物进化和遗传算法 | 第29-32页 |
| ·遗传算法的原理和描述 | 第32-34页 |
| ·遗传算法的基本步骤和实现 | 第34-37页 |
| ·RBF神经网络概述 | 第37-38页 |
| ·RBF神经网络的原理和结构 | 第38-41页 |
| ·RBF神经网络的学习训练过程 | 第41-46页 |
| ·混合式学习 | 第41-44页 |
| ·有监督学习 | 第44-46页 |
| ·正交最小二乘法 | 第46页 |
| ·混合算法优化RBF神经网络的系统辨识 | 第46-53页 |
| ·混合优化算法系统辨识的MATLAB仿真 | 第53-60页 |
| ·总结分析 | 第60-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 在学期间发表的学术论文和参加科研情况 | 第68页 |
