| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景 | 第12-13页 |
| ·国内外相关研究 | 第13-15页 |
| ·论文主要研究内容 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第二章 神经网络理论和数据标准化方法 | 第17-30页 |
| ·概述 | 第17-21页 |
| ·人工神经元模型 | 第17-18页 |
| ·神经网络的结构 | 第18-19页 |
| ·神经网络的学习 | 第19-21页 |
| ·误差反向传播神经网络 | 第21-24页 |
| ·BP网络结构 | 第21页 |
| ·BP学习算法 | 第21-23页 |
| ·BP网络的缺陷 | 第23-24页 |
| ·径向基神经网络 | 第24-28页 |
| ·RBF网络结构 | 第24-25页 |
| ·RBF网络构成的基本思想 | 第25页 |
| ·RBF网络学习算法 | 第25-27页 |
| ·RBF网络在线学习算法 | 第27-28页 |
| ·数据的标准化 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于样本自组织聚类的BP神经网络空气质量预测 | 第30-39页 |
| ·自组织竞争神经网络 | 第30-32页 |
| ·网络结构及其学习规则 | 第30-32页 |
| ·网络的训练 | 第32页 |
| ·BP网络的动量—自适应学习速率调整算法 | 第32-33页 |
| ·增加动量项 | 第32-33页 |
| ·自适应调整学习速率 | 第33页 |
| ·基于样本自组织聚类的BP神经网络预测模型的实现 | 第33-34页 |
| ·基于样本自组织聚类的BP神经网络空气质量预测 | 第34-38页 |
| ·应用自组织竞争网络根据排放量对污染物浓度情况进行聚类 | 第34-35页 |
| ·根据三类聚类样本训练BP网络模型 | 第35页 |
| ·测试结果分析与比较 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于隐节点剪枝的RAN空气质量预测 | 第39-54页 |
| ·资源分配网络 | 第40-42页 |
| ·RAN网络结构 | 第40页 |
| ·RAN学习算法 | 第40-42页 |
| ·隐节点剪枝 | 第42-44页 |
| ·隐节点之间相关情况分析 | 第42-43页 |
| ·隐节点合并 | 第43-44页 |
| ·删除无用隐节点 | 第44页 |
| ·基于隐节点剪枝的RAN学习算法实现 | 第44-45页 |
| ·基于隐节点剪枝的RAN空气质量预测 | 第45-53页 |
| ·样本的选择和神经网络初始化 | 第45-46页 |
| ·神经网络的训练 | 第46-51页 |
| ·测试结果分析与比较 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表学术论文 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |