基于神经网络的两类问题研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·论文研究的主要内容 | 第12-13页 |
| 第二章 预备知识 | 第13-22页 |
| ·人工神经网络 | 第13-17页 |
| ·人工神经网络概念及特点 | 第13页 |
| ·神经网络模型 | 第13-14页 |
| ·RBF 神经网络 | 第14-17页 |
| ·遗传算法理论 | 第17-21页 |
| ·遗传算法的基本思想 | 第17-20页 |
| ·遗传算法的特点 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 遗传算法优化神经网络 | 第22-32页 |
| ·遗传算法与神经网络结合的基础 | 第22-24页 |
| ·基于遗传算法的RBF 神经网络中心点的优化研究 | 第24-28页 |
| ·基本思想 | 第24-25页 |
| ·对应的RBF 的遗传编码 | 第25页 |
| ·适应度函数的构造 | 第25-26页 |
| ·选择操作 | 第26页 |
| ·交叉操作 | 第26-27页 |
| ·变异操作 | 第27页 |
| ·基于遗传算法的RBF 神经网络算法 | 第27-28页 |
| ·实验与分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 一类带时滞的神经网络的研究 | 第32-44页 |
| ·时滞神经网络的研究内容 | 第32-34页 |
| ·符号和准备 | 第34页 |
| ·时滞神经网络的稳定性理论 | 第34-37页 |
| ·稳定性 | 第34-36页 |
| ·Lyapunov 方法 | 第36-37页 |
| ·一类时滞神经网络的稳定性研究 | 第37-43页 |
| ·概述 | 第37-38页 |
| ·非线性时滞系统的稳定性分析 | 第38-41页 |
| ·时滞神经网络的稳定性分析 | 第41-42页 |
| ·例子 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| ·本文主要工作总结 | 第44-45页 |
| ·研究展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 附录 | 第51页 |
| 附录A 攻读硕士学位期间参加的科研项目 | 第51页 |
| 附录B 攻读硕士学位期间发表的学术论文 | 第51页 |
