非线性系统的径向基函数神经网络建模方法研究
| 前言 | 第1-13页 |
| 第一章 基于神经网络的非线性系统辨识与建模 | 第13-19页 |
| ·引言 | 第13-14页 |
| ·传统的系统辨识方法 | 第13-14页 |
| ·ＡＮＮ用于非线性系统辨识 | 第14页 |
| ·ＲＢＦ网络的函数逼近理论 | 第14-17页 |
| ·神经网络辨识与建模机理 | 第17-18页 |
| ·辨识模型 | 第17-18页 |
| ·辨识原理 | 第18页 |
| 小结 | 第18-19页 |
| 第二章 神经网络的理论基础 | 第19-24页 |
| ·神经网络的模型结构 | 第19-20页 |
| ·人工神经元模型 | 第19-20页 |
| ·神经网络的拓扑结构 | 第20页 |
| ·神经网络的学习 | 第20-23页 |
| ·神经网络的学习方法 | 第20-21页 |
| ·神经网络的学习算法 | 第21-23页 |
| 小结 | 第23-24页 |
| 第三章 一种新型ＲＢＦ神经网络辨识器 | 第24-38页 |
| ·ＲＢＦ神经网络原理 | 第24-32页 |
| ·多变量ＲＢＦ插值 | 第24-25页 |
| ·正规化理论 | 第25-29页 |
| ·正规化问题的逼近解 | 第29-31页 |
| ·ＲＢＦ网络基本学习算法 | 第31-32页 |
| ·带新型混合学习算法的ＲＢＦ神经网络 | 第32-37页 |
| ·混合算法原理 | 第32页 |
| ·优选聚类算法 | 第32-34页 |
| ·ＲＢＦ神经网络的新型二阶学习算法 | 第34-37页 |
| 小结 | 第37-38页 |
| 第四章 油田非线性系统几种新型基函数神经网络模型 | 第38-44页 |
| ·试井解释基函数网络模型 | 第38-40页 |
| ·油田累积产油量的基函数神经网络模型及其预测 | 第40-41页 |
| ·累积产油量的分布规律 | 第40页 |
| ·累积产油量分布特征的机理分析 | 第40-41页 |
| ·累积产油量的基函数网络模型 | 第41-43页 |
| 小结 | 第43-44页 |
| 第五章 应用与仿真研究 | 第44-49页 |
| ·油田累积产油量的建模和预测的应用 | 第44-47页 |
| ·区块１累积产油量 | 第44-45页 |
| ·区块２累积产油量 | 第45-46页 |
| ·区块３累积产油量 | 第46-47页 |
| ·带新型混合学习算法的ＲＢＦ神经网络建模仿真 | 第47-49页 |
| 小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 大庆石油学院硕士研究生学位论文摘要 | 第55-60页 |
