| 郑重声明 | 第1-3页 |
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 绪论 | 第7-19页 |
| ·选题意义及背景 | 第7-8页 |
| ·选题意义 | 第7-8页 |
| ·选题背景 | 第8页 |
| ·自适应逆控制 | 第8-17页 |
| ·自适应逆控制的模型描述 | 第9-12页 |
| ·对象噪声和扰动的消除 | 第12-13页 |
| ·LMS自适应滤波的性能研究 | 第13-15页 |
| ·自适应逆控制的神经网络方法 | 第15页 |
| ·自适应逆控制的应用 | 第15-16页 |
| ·自适应逆控制的研究方向 | 第16-17页 |
| ·本文的主要工作 | 第17-19页 |
| 第2章 非线性系统的神经网络建模与控制 | 第19-35页 |
| ·引言 | 第19-20页 |
| ·神经网络建模方法 | 第20-23页 |
| ·模型的选择 | 第20-21页 |
| ·输入信号的选择 | 第21页 |
| ·误差准则的选择 | 第21-23页 |
| ·神经网络建模与控制的结构 | 第23-26页 |
| ·反向传播算法 | 第26-30页 |
| ·反向传播算法的改进 | 第30-32页 |
| ·动量方法 | 第31页 |
| ·可变学习速度法 | 第31-32页 |
| ·神经网络建模仿真研究 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于前馈神经网络ε-滤波的自适应逆控制系统 | 第35-49页 |
| ·引言 | 第35页 |
| ·ε-LMS算法 | 第35-38页 |
| ·控制器的收敛性 | 第36-37页 |
| ·ε-滤波LMS算法的二次稳定性分析 | 第37-38页 |
| ·非线性自适应逆控制的ε-LMS方法 | 第38-41页 |
| ·神经网络自适应逆控制系统的稳定性分析 | 第41-44页 |
| ·单个神经元的稳定性分析 | 第42-43页 |
| ·神经网络的稳定性 | 第43-44页 |
| ·系统仿真 | 第44-48页 |
| ·系统介绍 | 第44-45页 |
| ·仿真步骤 | 第45-46页 |
| ·仿真结果 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于神经网络模型的耳机消噪系统 | 第49-55页 |
| ·引言 | 第49-50页 |
| ·噪声消除方案 | 第50页 |
| ·噪声消除系统的实现 | 第50-52页 |
| ·对象的自适应建模 | 第51页 |
| ·延时对象的逆建模 | 第51-52页 |
| ·噪声消除滤波器的自适应实现 | 第52页 |
| ·仿真研究 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 结束语 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表论文及研究项目 | 第62-63页 |
| 攻读硕士学位期间发表论文 | 第62页 |
| 攻读硕士学位期间研究项目 | 第62-63页 |
| 致谢 | 第63页 |