基于云理论的RBF神经网络算法改进研究

摘要	第1-6页
Abstract	第6-9页
第1章 绪论	第9-14页
·课题背景	第9-10页
·国内外发展概况	第10-12页
·本文的主要研究内容	第12-14页
第2章 RBF 神经网络	第14-24页
·RBF 网络概述	第14-16页
·RBF 基本的学习算法	第16-18页
·常见的几种学习方法简介	第18-23页
·梯度下降法	第18-19页
·基于遗传算法的RBF 学习方法	第19页
·基于反复迭代的RBF 学习方法	第19-20页
·基于k 均值聚类的RBF 学习方法	第20页
·基于正交最小二乘法OLS 的RBF 学习方法	第20-21页
·基于动态均值聚类的RBF 学习方法	第21-23页
·本章小结	第23-24页
第3章 云理论	第24-32页
·云理论的起源和发展历程	第24-25页
·云的基本概念	第25-28页
·云发生器	第28-31页
·本章小结	第31-32页
第4章 基于云理论的RBF 改进算法	第32-47页
·引言	第32页
·改进算法的具体实现	第32-40页
·算法准备：极大值法的云变换	第32-33页
·改进算法的具体实现	第33-39页
·效果比较	第39-40页
·本文其他的主要创新点	第40-45页
·待改进及不足之处	第45页
·预测精度问题	第45页
·在线参数调整问题	第45页
·本章小结	第45-47页
结论	第47-49页
致谢	第49-50页
参考文献	第50-54页
攻读学位期间发表的学术论文	第54页