过程神经元网络模型及其工程应用

1 (p1): 第1章 绪论
1 (p1-1): 1.1 过程神经元网络的研究与进展
7 (p1-2): 1.2 人工神经元网络在预测预报中的应用研究现状
13 (p1-3): 1.3 航空发动机健康管理技术的研究与进展
31 (p1-4): 1.4 本书总体框架设计
33 (p1-5): 参考文献
39 (p2): 第2章 双并联过程神经元网络模型
39 (p2-1): 2.1 双并联前馈过程神经元网络拓扑结构
42 (p2-2): 2.2 双并联前馈过程神经元网络学习算法
49 (p2-3): 2.3 双并联前馈过程神经元网络收敛性分析
52 (p2-4): 2.4 双并联前馈过程神经元网络仿真试验
57 (p2-5): 2.5 本章小结
57 (p2-6): 参考文献
59 (p3): 第3章 Elman型反馈过程神经元网络模型
59 (p3-1): 3.1 Elman型反馈过程神经元网络模型
63 (p3-2): 3.2 Elman型反馈过程神经元网络学习算法
68 (p3-3): 3.3 Elman型反馈过程神经元网络稳定性分析
70 (p3-4): 3.4 Elman型反馈过程神经元网络仿真试验
74 (p3-5): 3.5 本章小结
74 (p3-6): 参考文献
76 (p4): 第4章 对向传播过程神经元网络模型
76 (p4-1): 4.1 对向传播过程神经元网络模型
78 (p4-2): 4.2 对向传播过程神经元网络学习算法
82 (p4-3): 4.3 对向传播过程神经元网络性能分析
85 (p4-4): 4.4 对向传播过程神经元网络仿真试验
86 (p4-5): 4.5 本章小结
87 (p4-6): 参考文献
88 (p5): 第5章 小波过程神经元网络模型
88 (p5-1): 5.1 小波过程神经元模型
93 (p5-2): 5.2 连续小波过程神经元网络模型
109 (p5-3): 5.3 小波基函数过程神经元网络模型
113 (p5-4): 5.4 小波过程神经元网络解的存在性定理
117 (p5-5): 5.5 本章小结
117 (p5-6): 参考文献
119 (p6): 第6章 离散输入过程神经元网络模型
119 (p6-1): 6.1 离散输入过程神经元网络模型
122 (p6-2): 6.2 离散输入过程神经元网络学习算法
124 (p6-3): 6.3 基于离散输入过程神经元网络的仿真试验
125 (p6-4): 6.4 本章小结
125 (p6-5): 参考文献
127 (p7): 第7章 过程神经元网络泛化能力分析
128 (p7-1): 7.1 基于LM算法的过程神经元网络学习算法
134 (p7-2): 7.2 过程神经元网络学习样本集的构造
147 (p7-3): 7.3 过程神经元网络集成
156 (p7-4): 7.4 本章小结
157 (p7-5): 参考文献
159 (p8): 第8章 基于过程神经元网络的状态预报与时间序列预测
159 (p8-1): 8.1 过程神经元网络在动态模式识别中的应用
168 (p8-2): 8.2 过程神经元网络在时间序列预测中的应用
184 (p8-3): 8.3 本章小结
184 (p8-4): 参考文献
186 (p9): 第9章 基于过程神经元网络的航空发动机健康状态预测
186 (p9-1): 9.1 航空发动机健康状态参数降噪处理
197 (p9-2): 9.2 基于对向传播过程神经元网络发动机转子故障诊断
199 (p9-3): 9.3 航空发动机排气温度预测
207 (p9-4): 9.4 航空发动机滑油状态预测
217 (p9-5): 9.5 本章小结
217 (p9-6): 参考文献
219 (p10): 第10章 基于静态权值组合集成模型的航空发动机健康状态预测
220 (p10-1): 10.1 集成学习与局域建模
222 (p10-2): 10.2 面向回归问题的AdaBoost.RT集成学习算法
223 (p10-3): 10.3 改进的AdaBoost.RT算法
225 (p10-4): 10.4 基于改进AdaBoost.RT的静态权值组合集成局域预测模型
225 (p10-5): 10.5 发动机核心机转速偏差值预测试例
230 (p10-6): 10.6 本章小结 本书在泛函逼近理论基础上, 丰富并发展了过程神经元网络理论体系, 提出了多种过程神经元网络模型, 并对模型的拓扑结构, 学习算法, 泛化能力, 工程应用等进行了研究