|
|
|
非线性时变系统的时变神经网络建模方法研究 |
|
论文目录 |
|
摘要 | 第1-6页 | ABSTRACT | 第6-10页 | 第1章 绪论 | 第10-17页 | ·课题的研究背景及意义 | 第10-11页 | ·人工神经网络研究现状 | 第11-12页 | ·非线性时变系统建模研究现状 | 第12-14页 | ·非神经网络建模方法研究现状 | 第12-13页 | ·基于神经网络建模方法研究现状 | 第13-14页 | ·迭代学习辨识研究现状 | 第14-15页 | ·本文主要研究内容及章节安排 | 第15-17页 | 第2章 神经网络原理与传统建模方法 | 第17-34页 | ·引言 | 第17页 | ·神经网络基本原理 | 第17-23页 | ·神经网络结构与数学模型 | 第17-19页 | ·神经网络的特性 | 第19-20页 | ·神经网络学习规则 | 第20-23页 | ·常见神经网络模型 | 第23-31页 | ·多层感知器网络及其学习算法 | 第23-25页 | ·RBF神经网络及其学习算法 | 第25-27页 | ·基函数神经网络 | 第27-29页 | ·过程神经网络 | 第29-31页 | ·时变系统建模方法 | 第31-33页 | ·卡尔曼滤波 | 第31页 | ·带遗忘因子的递推最小二乘算法 | 第31-32页 | ·迭代学习辨识算法 | 第32-33页 | ·本章小结 | 第33-34页 | 第3章 基于定常神经网络的非线性时变系统建模 | 第34-49页 | ·引言 | 第34页 | ·基于RLS算法的定常RBF神经网络的建模方法 | 第34-37页 | ·基于L-M算法的定常BP神经网络建模方法 | 第37-41页 | ·数值仿真结果 | 第41-48页 | ·基于RLS算法的定常RBF神经网络仿真实例 | 第41-45页 | ·基于L-M算法的定常BP神经网络仿真 | 第45-48页 | ·仿真结果分析 | 第48页 | ·本章小结 | 第48-49页 | 第4章 基于时变RBF神经网络的非线性时变系统建模 | 第49-63页 | ·引言 | 第49页 | ·时变RBF神经网络结构及数学模型 | 第49-50页 | ·迭代学习最小二乘算法-ILLS算法 | 第50-53页 | ·ILLS算法性能分析 | 第53-55页 | ·数值仿真结果 | 第55-62页 | ·时变RBF神经网络仿真实例 | 第56-61页 | ·仿真结果分析 | 第61-62页 | ·本章小结 | 第62-63页 | 第5章 基于基函数神经网络的非线性时变系统建模 | 第63-77页 | ·引言 | 第63页 | ·时变Chebyshev神经网络 | 第63-65页 | ·时变Legendre神经网络 | 第65页 | ·时变Hermite神经网络 | 第65-66页 | ·时变多项式神经网络 | 第66-67页 | ·数值仿真结果 | 第67-76页 | ·时变Chebyshev神经网络 | 第67-69页 | ·时变Legendre神经网络 | 第69-71页 | ·时变Hermite神经网络 | 第71-73页 | ·时变多项式神经网络 | 第73-75页 | ·仿真结果分析 | 第75-76页 | ·本章小结 | 第76-77页 | 第6章 总结与展望 | 第77-79页 | ·本文工作总结 | 第77-78页 | ·今后工作展望 | 第78-79页 | 参考文献 | 第79-85页 | 致谢 | 第85-86页 | 攻读学位期间参加的科研项目和成果 | 第86页 |
|
|
|
|
论文编号BS412432,这篇论文共86页 会员购买按0.35元/页下载,共需支付30.1元。 直接购买按0.5元/页下载,共需要支付43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。 |
|
|