| 引言 | 第1-9页 |
| 第一章 有监督学习的前馈网络 | 第9-17页 |
| 1．1 前馈多层感知器结构 | 第9-11页 |
| 1．2 利用BP算法进行网络训练 | 第11-17页 |
| 第二章 径向基函数网络 | 第17-31页 |
| 2．1 RBF网络拓朴结构 | 第17-18页 |
| 2．2 RBF网络学习算法综述 | 第18-20页 |
| 2．3 常见的几种学习方法简介 | 第20-31页 |
| 2．3．1 梯度下降法 | 第21-23页 |
| 2．3．2 基于k均值聚类的RBF学习方法 | 第23页 |
| 2．3．3 基于正交最小二乘法OLS的RBF学习方法 | 第23-26页 |
| 2．3．4 基于动态均值聚类的RBF学习方法 | 第26-28页 |
| 2．3．5 修正权值的RGLS方法 | 第28-31页 |
| 第三章 进化计算与进化策略 | 第31-36页 |
| 3．1 进化计算概论 | 第31-33页 |
| 3．1．1 进化算法的起源和发展 | 第31-32页 |
| 3．1．2进化算法的一般框架 | 第32-33页 |
| 3．2 进化策略 | 第33-36页 |
| 3．2．1 标准进化策略 | 第33-34页 |
| 3．2．2 进化策略的收敛性 | 第34-36页 |
| 第四章 前馈网络的增长学习算法 | 第36-53页 |
| 4．1 背景简介 | 第36-37页 |
| 4．2 增长学习算法 | 第37-45页 |
| 4．2．1 保持旧知识 | 第37-39页 |
| 4．2．2 权值调整学习 | 第39-42页 |
| 4．2．3 结构增长学习 | 第42-44页 |
| 4．2．4 算法相关思想和参数选择策略 | 第44-45页 |
| 4．3 试验仿真 | 第45-53页 |
| 4．3．1 数据库的选择和使用 | 第45-49页 |
| 4．3．2 仿真试验及结果分析 | 第49-53页 |
| 第五章 RBF网络的改进 | 第53-63页 |
| 5．1 引言 | 第53-54页 |
| 5．2 改进的RBF网络结构 | 第54-55页 |
| 5．3 改进的RBF网络学习算法 | 第55-59页 |
| 5．3．1 算法思想 | 第55-56页 |
| 5．3．2 学习算法及收敛性证明 | 第56-59页 |
| 5．4 试验仿真 | 第59-63页 |
| 5．4．1 数据库的选择 | 第59-60页 |
| 5．4．2 仿真试验及结果分析 | 第60-63页 |
| 第六章 结论与展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |