|
|
|
泛函网络理论及其学习算法研究 |
|
论文目录 |
|
摘要 | 第1-7页 | ABSTRACT | 第7-13页 | 第一章 绪论 | 第13-35页 | ·引言 | 第13-14页 | ·新神经元模型 | 第14-19页 | ·新神经元模型建立依据 | 第19-21页 | ·基于生物神经系统所建立的神经元数学模型 | 第19-20页 | ·基于M-P模型推广所建立的神经元数学模型 | 第20-21页 | ·泛函网络 | 第21-23页 | ·泛函网络数值近似计算方法研究的重要性 | 第23-25页 | ·本文的主要工作 | 第25-27页 | ·本文的结构安排 | 第27-29页 | 参考文献 | 第29-35页 | 第二章 基于泛函网络的多维函数逼近理论与学习算法 | 第35-49页 | ·引言 | 第35-36页 | ·泛函网络拓扑结构 | 第36-37页 | ·函数逼近与泛函网络 | 第37-38页 | ·基于函数逼近的泛函网络 | 第38-40页 | ·多维函数的泛函网络逼近算法 | 第40-41页 | ·数值仿真结果及讨论 | 第41-45页 | ·本章小结 | 第45-46页 | 参考文献 | 第46-49页 | 第三章 多项式函数型回归泛函网络模型 | 第49-63页 | ·引言 | 第49页 | ·多项式函数型回归泛函网络(PFRFN) | 第49-52页 | ·PFRFN网络展开训练算法 | 第52-53页 | ·基于 PFRFN网络的多元多项式近似分解理论 | 第53-56页 | ·参数调整学习算法 | 第55页 | ·基函数序列的确定方法 | 第55-56页 | ·算例及结果分析 | 第56-59页 | ·本章小结 | 第59-61页 | 参考文献 | 第61-63页 | 第四章 层次泛函网络整体学习算法 | 第63-83页 | ·引言 | 第63页 | ·两种基本泛函网络模型 | 第63-65页 | ·单输入单输出泛函网络模型 | 第64页 | ·双翰入单愉出泛函网络模型 | 第64-65页 | ·层次泛函网络模块化构造方法 | 第65-66页 | ·层次泛函网络整体学习算法 | 第66-70页 | ·层次泛函网络整体学习能力分析 | 第70-76页 | ·适合于非线性多项式方程组求解的层次泛函网络学习算法 | 第71-73页 | ·初始训练样本数据的确定 | 第73-74页 | ·基于泛函网络的一元多项式求根学习算法 | 第74-75页 | ·基于泛函网络的一元多项式求根学习算法理论基础 | 第75-76页 | ·仿真结果与分析 | 第76-78页 | ·讨论 | 第78-79页 | ·本章小结 | 第79-80页 | 参考文献 | 第80-83页 | 第五章 基干泛函网络的多项式 EUCLIDEAN算法 | 第83-95页 | ·引言 | 第83-84页 | ·多项式 EUCLIDEAN算法的泛函网络模型 | 第84-87页 | ·多项式带余除法的泛函网络模型 | 第84-86页 | ·Euclidean算法的泛函网络模型 | 第86-87页 | ·基于泛函网络的多项式 EUCLIDEAN学习算法 | 第87-89页 | ·算例与分析 | 第89-92页 | ·本章小结 | 第92-93页 | 参考文献 | 第93-95页 | 第六章 FUZZY插值及其 FUZZY泛函网络的构造 | 第95-111页 | ·引言 | 第95-96页 | ·FUZZY泛函网络 | 第96-97页 | ·Fuzzy泛函神经元 | 第96-97页 | ·FUZZY泛函网络的插值机理 | 第97-99页 | ·单输入单输出Fuzzy泛函网络模型 | 第97页 | ·双输入单输出Fuzzy泛函网络模型 | 第97-99页 | ·Fuzzy泛函网络的构造方法 | 第99-103页 | ·FUZZY泛函网络构造理论 | 第103-108页 | ·本章小结 | 第108-109页 | 参考文献 | 第109-111页 | 第七章 复值可分离泛函网络及其学习算法 | 第111-125页 | ·引言 | 第111页 | ·复值泛函网络 | 第111-112页 | ·复值泛函神经元 | 第112-114页 | ·复值可分离泛函网络学习算法 | 第114-118页 | ·数值例子与讨论 | 第118-121页 | ·XOR问题 | 第118-120页 | ·讨论 | 第120-121页 | ·本章小结 | 第121-123页 | 参考文献 | 第123-125页 | 第八章 序列泛函网络模型及其学习算法 | 第125-145页 | ·引言 | 第125页 | ·序列泛函网络 | 第125-126页 | ·序列泛函网络学习算法 | 第126-128页 | ·序列泛函网络用于求解泛函方程 | 第128-134页 | ·仿真结果及分析 | 第134-140页 | ·本章小结 | 第140-145页 | 第九章 基于遗传规划实现泛函网络神经元函数类型优化 | 第145-159页 | ·引言 | 第145页 | ·遗传规划简介 | 第145-149页 | ·函数的构成及表示 | 第146-147页 | ·遗传操作 | 第147-149页 | ·基于GP的单个泛函神经元优化设计 | 第149-151页 | ·终止符集、函数(运算符)集定义 | 第149-150页 | ·目标函数、适应度函数的定义 | 第150页 | ·GP中泛函神经元个体的描述 | 第150-151页 | ·GP的进化策略 | 第151页 | ·仿真实验 | 第151-155页 | ·本章小结 | 第155-156页 | 参考文献 | 第156-159页 | 第十章 总结与展望 | 第159-163页 | ·论文工作总结 | 第159-161页 | ·展望和进一步工作 | 第161-163页 | 攻读博士期间发表的主要论文 | 第163-167页 | 攻读博士期间主持的科研项目 | 第167-169页 | 致谢 | 第169页 |
|
|
|
|
论文编号BS1179466,这篇论文共169页 会员购买按0.35元/页下载,共需支付59.15元。 直接购买按0.5元/页下载,共需要支付84.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|