| 第一章 绪论 | 第1-19页 |
| 1．1 人工神经元网络简介 | 第11-12页 |
| 1．2 典型的神经网络 | 第12-15页 |
| 1．2．1 多层前馈神经网络 | 第12-13页 |
| 1．2．2 Hopfield网络 | 第13页 |
| 1．2．3 Grossberg网络 | 第13-14页 |
| 1．2．4 SOFM网络 | 第14页 |
| 1．2．5 递归网络 | 第14-15页 |
| 1．2．6 模糊神经网络 | 第15页 |
| 1．3 RBF网络 | 第15-17页 |
| 1．3．1 RBF网络的结构与特点 | 第16-17页 |
| 1．3．2 RBF网络常用的学习方法 | 第17页 |
| 1．4 本文内容组织 | 第17-19页 |
| 第二章 基于PCR和PLSR的RBF网络 | 第19-39页 |
| 2．1 最小二乘回归（LSR） | 第19-20页 |
| 2．2 主成分回归（PCR） | 第20-30页 |
| 2．2．1 主成分分析（PCA） | 第20-22页 |
| 2．2．2 主成分回归的原理 | 第22-23页 |
| 2．2．3 主成分回归的计算步骤 | 第23-24页 |
| 2．2．4 RBF—PCR网络模型的化工应用 | 第24-30页 |
| 2．2．4．1 酸性磷铵料浆浓缩过程中氟含量测定的建模 | 第24-28页 |
| 2．2．4．2 烃类热裂解丙烯产率计算模型的建立 | 第28-30页 |
| 2．3 偏最小二乘回归（PLSR） | 第30-38页 |
| 2．3．1 偏最小二乘回归的原理 | 第30-31页 |
| 2．3．2 偏最小二乘回归的主要算法 | 第31-34页 |
| 2．3．2．1 H（?）skuldsson步进计算算法 | 第31-32页 |
| 2．3．2．2 迭代算法 | 第32-33页 |
| 2．3．2．3 NIPLAS算法 | 第33-34页 |
| 2．3．3 偏最小二乘回归的特点 | 第34-35页 |
| 2．3．4 RBF—PLSR网络模型的化工应用 | 第35-38页 |
| 2．3．4．1 酸性磷铵料浆浓缩过程中氟含量测定的建模 | 第35-37页 |
| 2．3．4．2 烃类热裂解丙烯产率计算模型的建立 | 第37-38页 |
| 2．4 小结 | 第38-39页 |
| 第三章 基于CSR的RBF网络 | 第39-50页 |
| 3．1 循环子空间回归（CSR）的原理 | 第39-40页 |
| 3．2 循环子空间回归（CSR）的算法 | 第40-41页 |
| 3．2．1 CSR的稳健算法 | 第40页 |
| 3．2．2 CSR的快速稳健算法 | 第40-41页 |
| 3．3 RBF—CSR建模方法的化工应用 | 第41-49页 |
| 3．3．1 酸性磷铵料浆浓缩过程中氟含量测定的建模 | 第42-46页 |
| 3．3．2 制浆蒸煮过程Kappa值软测量模型的建立 | 第46-49页 |
| 3．4 小结 | 第49-50页 |
| 第四章 遗传算法及其在参数估计中的应用 | 第50-61页 |
| 4．1 遗传算法 | 第50-53页 |
| 4．1．1 遗传算法简介 | 第50-51页 |
| 4．1．2 遗传算法应用中的几个主要问题 | 第51-53页 |
| 4．2 优进遗传算法 | 第53-56页 |
| 4．2．1 改进的交叉算子 | 第53-54页 |
| 4．2．2 交叉率和变异率的自适应调整 | 第54-55页 |
| 4．2．3 寻优算子的设计 | 第55页 |
| 4．2．4 EGA的实施步骤 | 第55-56页 |
| 4．3 优进遗传算法的测试 | 第56页 |
| 4．4 遗传算法在参数估计中的应用 | 第56-59页 |
| 4．4．1 EGA与SGA对模型参数的估计 | 第57-59页 |
| 4．4．2 参数估计的结果分析 | 第59页 |
| 4．5 小结 | 第59-61页 |
| 第五章 基于混沌遗传算法的RBF网络 | 第61-68页 |
| 5．1 混沌遗传算法 | 第61-63页 |
| 5．1．1 混沌变量和混沌映射算子 | 第61-62页 |
| 5．1．2 选择操作 | 第62页 |
| 5．1．3 交叉操作 | 第62页 |
| 5．1．4 变异操作 | 第62-63页 |
| 5．1．5 混沌遗传算法的实施步骤 | 第63页 |
| 5．2 CGA对RBFN的训练 | 第63-64页 |
| 5．2．1 RBFN参数的编码 | 第63页 |
| 5．2．2 适应度函数的构造 | 第63-64页 |
| 5．3 CGA-RBFN在丙烯产率预测中的应用 | 第64-67页 |
| 5．4 小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-71页 |
| 6．1 全文工作总结 | 第68-70页 |
| 6．2 今后的研究发展方向 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 作者攻读硕士学位期间完成的论文和科研项目 | 第77页 |
| 论文 | 第77页 |
| 科研项目 | 第77页 |
