混合神经网络及其应用研究
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 致谢 | 第8-10页 |
| 目录 | 第10-12页 |
| 第一章 综述 | 第12-36页 |
| 1．1 引言 | 第12-13页 |
| 1．2 人工神经网络及其特征 | 第13-16页 |
| 1．2．1 生物神经元模型 | 第13-14页 |
| 1．2．2 人工神经元网络特点 | 第14-16页 |
| 1．3 神经网络的发展与应用领域 | 第16-17页 |
| 1．4 典型的神经网络 | 第17-26页 |
| 1．4．1 BP网络 | 第17-21页 |
| 1．4．2 RBF网络 | 第21-22页 |
| 1．4．3 连续Hopfield网络 | 第22-25页 |
| 1．4．4 全递归型神经网络 | 第25-26页 |
| 1．5 BP网络存在的问题及改进 | 第26-34页 |
| 1．5．1 收敛性的改进 | 第27-29页 |
| 1．5．2 隐节点数的确定 | 第29-30页 |
| 1．5．3 克服局部极小的方法 | 第30-34页 |
| 1．5．4 提高泛化能力的方法 | 第34页 |
| 1．6 本文研究内容 | 第34-36页 |
| 第二章 混合神经网络结构及其学习算法 | 第36-54页 |
| 2．1 引言 | 第36-37页 |
| 2．2 混合模型神经网络的提出 | 第37-40页 |
| 2．2．1 混合神经网络的几种结构 | 第37-39页 |
| 2．2．2 本文混合网络结构特点 | 第39-40页 |
| 2．3 网络快速学习算法 | 第40-44页 |
| 2．3．1 算法设计思想 | 第40-41页 |
| 2．3．2 最小二乘学习算法 | 第41-42页 |
| 2．3．3 快速学习算法的全过程 | 第42-44页 |
| 2．4 仿真实例 | 第44-51页 |
| 2．5 讨论 | 第51-54页 |
| 第三章 混合神经网络在软测量建模中的应用 | 第54-68页 |
| 3．1 引言 | 第54-56页 |
| 3．2 一个实际的软测量问题的提出 | 第56-58页 |
| 3．3 软测量模型的建立与在线学习 | 第58-65页 |
| 3．3．1 软测量模型的建立 | 第58-60页 |
| 3．3．2 软测量模型的在线自学习 | 第60-65页 |
| 3．4 工业应用 | 第65-66页 |
| 3．5 结论 | 第66-68页 |
| 第四章 结束语 | 第68-70页 |
| 4．1 研究工作总结 | 第68页 |
| 4．2 问题与展望 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 攻读硕士学位期间发表和录用的文 | 第78页 |
