| 第一章 引言 | 第1-11页 |
| 第二章 叶绿素浓度垂直分布模型 | 第11-20页 |
| ·叶绿素浓度垂直分布模型 | 第11-13页 |
| ·叶绿素浓度垂直分布模型的检验 | 第13-17页 |
| ·研究叶绿素浓度垂直分布模型的意义 | 第17-20页 |
| 第三章 人工神经网络技术及其建模关键问题 | 第20-37页 |
| ·人工神经网络基本概念 | 第20-24页 |
| ·人工神经元 | 第20-21页 |
| ·转移函数 | 第21页 |
| ·人工神经网络的拓扑结构 | 第21-23页 |
| ·人工神经网络的工作过程 | 第23-24页 |
| ·多层感知器 | 第24-28页 |
| ·多层感知器结构 | 第24-25页 |
| ·BP学习规则 | 第25-28页 |
| ·其它几种常用的人工神经网络模型 | 第28-30页 |
| ·径向基函数网络 | 第28页 |
| ·Hopfield网络 | 第28-29页 |
| ·Kohonen网络 | 第29-30页 |
| ·人工神经网络建模的几个关键问题 | 第30-37页 |
| ·网络数据的准备 | 第30-32页 |
| ·网络训练集的设计 | 第32-33页 |
| ·过适应问题的预防 | 第33-35页 |
| ·人工神经网络训练过程图 | 第35-37页 |
| 第四章 基于人工神经网络技术的叶绿素浓度垂直分布模型参数的反演 | 第37-54页 |
| ·叶绿素浓度垂直间隔采样数据介绍 | 第37-39页 |
| ·叶绿素浓度垂直分布模型参数反演 | 第39-48页 |
| ·人工神经网络方法 | 第39-45页 |
| ·统计回归分析方法 | 第45-47页 |
| ·两种方法的比较 | 第47-48页 |
| ·人工神经网络模型结果及分析 | 第48-54页 |
| ·人工神经网络模型的计算结果和现场观测数据的比较 | 第48-50页 |
| ·网络结果误差分析 | 第50-54页 |
| 第五章 人工神经网络模型结果印证及其在卫星海洋遥感中的应用 | 第54-68页 |
| ·概述 | 第54页 |
| ·结果印证 | 第54-58页 |
| ·BP网络模型在卫星海色遥感中的应用前景 | 第58-68页 |
| ·BP网络模型敏感度分析 | 第58-59页 |
| ·输入数据误差对网络输出结果的误差分析 | 第59-60页 |
| ·卫星海色遥感数据 | 第60-64页 |
| ·BP网络模型计算结果 | 第64-67页 |
| ·叶绿素浓度垂直分布特征在海洋初级生产力计算中的应用前景 | 第67-68页 |
| 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
