| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究背景及意义 | 第7-10页 |
| ·神经网络及群体智能算法的研究背景和意义 | 第7-8页 |
| ·嵌入式系统的发展及研究现状 | 第8-10页 |
| ·RBF 神经网络研究现状 | 第10-13页 |
| ·论文内容的工作和安排 | 第13-14页 |
| 第二章 基本理论知识 | 第14-27页 |
| ·RBF 神经网络模型 | 第14-22页 |
| ·RBF 神经网络结构和工作原理 | 第14-16页 |
| ·RBF 神经网络生理学和数学基础 | 第16-20页 |
| ·RBF 网络的生理学基础 | 第16-18页 |
| ·RBF 网络的数学基础 | 第18-19页 |
| ·正则化网络 | 第19-20页 |
| ·RBF 神经网络常用的学习算法 | 第20-22页 |
| ·聚类方法 | 第21-22页 |
| ·梯度算法 | 第22页 |
| ·蛙跳算法 | 第22-27页 |
| ·蛙跳算法的理论基础 | 第23-26页 |
| ·Memetic 算法的基本概念 | 第23页 |
| ·粒子群算法 | 第23-26页 |
| ·蛙跳算法中的优化参数设置 | 第26-27页 |
| 第三章 基于蛙跳算法优化的 RBF 神经网络的研究 | 第27-35页 |
| ·蛙跳算法的优化改进 | 第27-31页 |
| ·加入自适应跳跃因子 | 第27页 |
| ·优化后的蛙跳算法的流程图 | 第27-31页 |
| ·改进的蛙跳算法优化 RBF 神经网络 | 第31-33页 |
| ·RBF 参数转化为蛙跳算法参数 | 第31页 |
| ·改进的蛙跳算法优化 RBF 神经网络参数步骤 | 第31-33页 |
| ·实验结果与分析 | 第33-35页 |
| 第四章 基于优化的 RBF 神经网络在 ARM9 嵌入式系统中的应用 | 第35-52页 |
| ·嵌入式系统及其组成 | 第35-36页 |
| ·ARM 处理器 | 第36页 |
| ·硬件平台mini2440 | 第36-39页 |
| ·mini2440 硬件平台资源 | 第37-38页 |
| ·53C2440A 处理器简介 | 第38-39页 |
| ·μC/OS-II 嵌入式操作系统在 ARM9 上的移植 | 第39-43页 |
| ·μC/OS-II 简介及特点 | 第39-41页 |
| ·移植μC/OS-Ⅱ | 第41-43页 |
| ·RBF 神经网络在 ARM9 嵌入式系统中的应用 | 第43-52页 |
| ·问题描述 | 第43页 |
| ·电路设计 | 第43-44页 |
| ·硬件总体设计 | 第43-44页 |
| ·光电采集电路设计 | 第44页 |
| ·软件设计识别方法 | 第44-48页 |
| ·阈值方法 | 第44页 |
| ·RBF 神经网络方法 | 第44-45页 |
| ·RBF 神经网络设计 | 第45-48页 |
| ·程序设计与实现 | 第48-51页 |
| ·程序流程图 | 第49页 |
| ·实物图 | 第49-51页 |
| ·实验结果及分析 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·工作总结 | 第52页 |
| ·主要创新点 | 第52页 |
| ·今后工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-62页 |
| 攻读硕士学位期间发表的论文 | 第62-63页 |
| 致谢 | 第63-64页 |
