| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景、意义与发展现状 | 第11-13页 |
| 1.1.1 研究的背景 | 第11-13页 |
| 1.1.2 研究的意义 | 第13页 |
| 1.2 国内外的发展现状 | 第13-15页 |
| 1.3 全文内容及章节安排 | 第15-17页 |
| 第二章 曲线拟合模型 | 第17-33页 |
| 2.1 引言 | 第17-18页 |
| 2.2 基于神经网络模型的曲线拟合 | 第18-24页 |
| 2.2.1 神经网络简介 | 第18-19页 |
| 2.2.2 人工神经元模型 | 第19-20页 |
| 2.2.3 人工神经元常用基函数与激励函数 | 第20-21页 |
| 2.2.4 人工神经元几种常用算法 | 第21-22页 |
| 2.2.5 曲线拟合的神经网络结构选择问题 | 第22-23页 |
| 2.2.6 神经网络算法的误差分析 | 第23页 |
| 2.2.7 BP神经网络结构的建模 | 第23-24页 |
| 2.2.8 BP神经网络存在的缺陷及优化方法介绍 | 第24页 |
| 2.3 多项式模型 | 第24-32页 |
| 2.3.1 多项式简介 | 第26-27页 |
| 2.3.2 多项式拟合的唯一性 | 第27-28页 |
| 2.3.3 数据重构 | 第28-30页 |
| 2.3.4 构造代数多项式拟合模型 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 曲线拟合系数的算法研究 | 第33-42页 |
| 3.1 引言 | 第33-34页 |
| 3.2 最速下降法 | 第34-36页 |
| 3.2.1 最速下降法的基本介绍 | 第34页 |
| 3.2.2 基于多项式基神经网络的最速下降法模型 | 第34-36页 |
| 3.3 共轭梯度法(CGA) | 第36-37页 |
| 3.3.1 共轭梯度法基本介绍 | 第36页 |
| 3.3.2 基于多项式基神经网络的共轭梯度法模型 | 第36-37页 |
| 3.3.3 算法流程 | 第37页 |
| 3.4 基于多项式基函数递推最小二乘法(RLS) | 第37-40页 |
| 3.4.1 递推最小二乘法(RLS)基本介绍 | 第37-38页 |
| 3.4.2 基于多项式基函数递推最小二乘法的算法模型 | 第38-39页 |
| 3.4.3 基于递推最小二乘法的算法流程 | 第39-40页 |
| 3.4.4 基于RLS算法的残差修正方法 | 第40页 |
| 3.5 总结 | 第40-42页 |
| 第四章 曲线拟合应用研究 | 第42-52页 |
| 4.1 引言 | 第42-43页 |
| 4.2 基于热敏电阻温度传感器的非线性补偿 | 第43-46页 |
| 4.2.1 非线性补偿原理 | 第43-44页 |
| 4.2.2 仿真实例分析 | 第44-46页 |
| 4.3 未知系统预测研究 | 第46-52页 |
| 4.3.1 未知系统预测原理 | 第46-47页 |
| 4.3.2 实例仿真及分析 | 第47-48页 |
| 4.3.3 实例仿真及分析 | 第48-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结与展望 | 第52-53页 |
| 5.2 本文的特色及创新 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |
| 附录A（攻读硕士学位期间发表论文目录） | 第61-62页 |
| 附录B（攻读硕士学位期间参与项目） | 第62页 |