| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·神经网络简介及研究意义 | 第10-12页 |
| ·神经网络的发展历史 | 第10-11页 |
| ·神经网络的研究意义 | 第11页 |
| ·神经网络在测量若干领域的应用 | 第11-12页 |
| ·大地测量中的非线性和不确定函数模型 | 第12-13页 |
| ·主要研究内容和结果 | 第13-15页 |
| 第二章 神经网络基本原理与方法 | 第15-23页 |
| ·BP神经网络原理及算法 | 第15-18页 |
| ·BP神经网络结构 | 第15-16页 |
| ·BP算法 | 第16-17页 |
| ·BP神经网络的训练与测试 | 第17页 |
| ·BP算法的改进 | 第17-18页 |
| ·Elman神经网络原理及算法 | 第18-20页 |
| ·Elman神经网络结构 | 第18-19页 |
| ·Elman神经网络学习算法 | 第19-20页 |
| ·Hopfield神经网络原理 | 第20-22页 |
| ·Hopfield结构模型 | 第20-21页 |
| ·Hopfield神经网络的能量函数 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 动态Kalman滤波的基本方法 | 第23-35页 |
| ·Bayes定理 | 第23-25页 |
| ·条件概率 | 第23页 |
| ·贝叶斯公式 | 第23-24页 |
| ·贝叶斯假设 | 第24页 |
| ·贝叶斯定理 | 第24-25页 |
| ·自适应Kalman滤波理论 | 第25-29页 |
| ·Kalman滤波基本方程 | 第25-27页 |
| ·自适应Kalman滤波 | 第27-28页 |
| ·自适应因子的构造 | 第28-29页 |
| ·UKF滤波理论 | 第29-32页 |
| ·UT变换 | 第29-31页 |
| ·UKF算法 | 第31-32页 |
| ·粒子滤波理论 | 第32-34页 |
| ·序贯重点采样(SIS) | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 前向多层神经网络模型的学习方法 | 第35-42页 |
| ·神经网络的BP算法 | 第35-37页 |
| ·BP算法的数据正向传播 | 第35-36页 |
| ·连接权的调整 | 第36-37页 |
| ·基于Kalman滤波的连接权训练算法 | 第37-40页 |
| ·Kalman滤波方法调整神经网络连接权 | 第37-39页 |
| ·Kalman滤波方法调整隐含层与输出层连接权 | 第39-40页 |
| ·基于UKF的连接权训练算法 | 第40-41页 |
| ·基于UKF训练权算法的神经网络 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 神经网络在高程拟合和水准网平差中的应用 | 第42-58页 |
| ·基于自适应Kalman滤波的神经网络在高程拟合中的应用 | 第42-44页 |
| ·自适应Kalman滤波训练神经网络连接权 | 第42-43页 |
| ·算例分析 | 第43-44页 |
| ·基于自适应UKF的神经网络在高程拟合中的应用 | 第44-49页 |
| ·自适应UKF | 第45-46页 |
| ·基于自适应UKF训练连接权算法的神经网络 | 第46页 |
| ·算例与分析 | 第46-49页 |
| ·基于ALR的Hopfield神经网络在高程拟合中的应用 | 第49-53页 |
| ·具有正规化项的增广拉格朗日函数(ALR) | 第49-50页 |
| ·基于ALR的Hopfield神经网络的高程拟合 | 第50-51页 |
| ·算例 | 第51-53页 |
| ·Hopfield神经网络在水准网平差中的应用 | 第53-57页 |
| ·能量函数极小化解算 | 第53-55页 |
| ·算例分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 神经网络在导航中的应用 | 第58-80页 |
| ·动态导航的模型误差检验 | 第58-65页 |
| ·整体检验 | 第58-60页 |
| ·观测异常检验 | 第60-61页 |
| ·动力学模型异常检验 | 第61-63页 |
| ·算例分析 | 第63-65页 |
| ·基于Elman神经网络和Kalman滤波的捷联惯导精对准 | 第65-71页 |
| ·基于Elman神经网络的捷联惯导Kalman滤波精对准 | 第66-69页 |
| ·计算与比较 | 第69-71页 |
| ·自适应Kalman滤波和BP神经网络组合的导航 | 第71-73页 |
| ·自适应Kalman滤波训练隐含层与输出层的连接权 | 第71-72页 |
| ·算例分析 | 第72-73页 |
| ·非线性滤波在导航中的应用 | 第73-76页 |
| ·抗差自适应UKF | 第73-74页 |
| ·算例分析 | 第74-76页 |
| ·自适应Unscented Kalman粒子滤波 | 第76-79页 |
| ·自适应Unscented Kalman粒子滤波算法 | 第76-77页 |
| ·算例分析 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 总结 | 第80-82页 |
| 参考文献 | 第82-89页 |
| 硕士在读期间发表论文情况 | 第89-90页 |
| 致谢 | 第90页 |
