摘要5-6
Abstract6-8
第一章 绪论8-17
1.1 多段径向网络函数探讨的背景、目的和作用8
1.2 本论文主要的探讨工作8-9
1.3 人工神经网络介绍9-11
1.4 径向基函数网络在经济金融领域及其它方面的运用11-17
1.4.1 RBF 神经网络在国民经济预测中的运用11-12
1.4.2 RBF 神经网络在债券市场中的运用12-13
1.4.3 RBF 神经网络与商业银行信用风险制约13-14
1.4.4 RBF 神经网络与汇率预测14
1.4.5 RBF 神经网络在其它方面的运用14-17
第二章 径向基函数网络的结构与算法17-22
2.1 RBFN 的结构与特点17
2.2 RBFN 和 BPN 的比较17-18
2.3 RBFN 的学习算法18-22
2.3.1 基于聚类的策略(Mood 和 Darken 的算法)19
2.3.2 监督学习策略19
2.3.3 Poggio 算法19
2.3.4 RBF-PLSR 策略19-20
2.5.5 RBF-CSR 策略20
2.3.6 基于进化优化的策略20-22
第三章 多段正交最小二乘法和正则最小二乘法22-34
3.1 正交最小二乘法和正则最小二乘法22-27
3.1.1 正交最小二乘法22-24
3.1.2 正则最小二乘法24-27
3.2 多段正交最小二乘法和多段正则最小二乘法径向基函数网络27-34
第四章 计算机模拟实验34-40
4.1 实函数逼近的计算机模拟实验34-37
4.2 非线性回归的计算机模拟实验37-40
第五章 基于多段径向基函数网络在粮食产量中的预测40-46
5.1 线性回归浅析预测40-42
5.2 多段径向基函数网络模型预测42-43
5.3 多段 RBF 网络预测与普通 RBF 网络预测的比较43-46
第六章 总结和展望46-47
6.1 总结46
6.2 展望46-47