1、“.....预测偏差补偿方法多步预测时，将会产生较大误差，采用神经网络进行补偿纠正。吴爱国对非线性时滞系统采用了步超前预测模型的神经网络预测控制，首次实现了非线性时滞系统的神经网络预测的并联模型的算法，介绍了种新的正交神经网络，首次给出了多变量输入正交神经网络完备处理单元选择的通用公式。针对输入变量增多时，完备处理单元急剧增加的情况，提出了几种裁剪完备处理单元的选取方法，仿真实验验证了正交神经网络比网络收敛速度快训练时间短逼近能力好。沈阳理工大学学士学位论文课题设计路线及主要工作本文的主要工作是探讨基于和神经网络对空气质量指数的预测。为神经网络预测理论与应用迅速发展的时期......”。

2、“.....目前工程领域中较为流行的软件，提供了现成的神经网络工具箱，简称，为解决这个矛盾提供了便利条件。神经网络工具箱提供了很多经典的学习算法，使用它能够快速实现对实际问题的建模求解。在解决实际问题中，应用语言构造典型神经网络的激活传递函数，编写各种网络设计与训练的子程序，网络的设计者可以根据需要调用工具箱中有关神经网络的设计训练程序，使自己能够从烦琐的编程中解脱出来，减轻工程人员的负担，从而提高工作效率。程中解脱出来，减轻工程人员的负担，从而提高工作效率......”。

3、“.....应用语言构造典型神经网络的激活传递函数，编写各种网络设计神经网络工具箱提供了很多经典的学习算法，使用它能够快速实现对实际问题的建模求解。部分内容简介，控制系统设计，系统仿真等诸多领域。为了解决神经网络问题中的研究工作量和编程计沈阳理工大学学士学位论文算工作量问题，目前工程领域中较为流行的软件，提供了现成的神经网络工具箱，简称，为解决这个矛盾提供了便利条件。神经网络工具箱提供了很多经典的学习算法，使用它能够快速实现对实际问题的建模求解。在解决实际问题中，应用语言构造典型神经网络的激活传递函数，编写各种网络设计与训练的子程序，网络的设计者可以根据需要调用工具箱中有关神经网络的设计训练程序......”。

4、“.....减轻工程人员的负担，从而提高工作效率。神经网络预测的发展与研究现状世纪年代作为神经网络预测理论与应用迅速发展的时期，在理论方面的主要工作是线性化方法通过不同的线性化逼近，可以把非线性规律求解加以简化，以此提高计算速度。预测偏差补偿方法多步预测时，将会产生较大误差，采用神经网络进行补偿纠正。数值计算和解析相结合的方法。在年用于多步预测的神经网络得到了广泛地关注。自此，国内外学者进行了大量的研究在神经网络预测方面。等利用神经网络作为预测的模型，提出了种基于非线性预测的时间二尺度方案，在预测模型中使用多个采样周期的平均值形成多步预测......”。

5、“.....提出了种多变量的带约束的预测方法，其优点是具有强非线性和能够处理系统变量约束陈强等提出种非线性系统间接预测方法，控制网络为多输入单输出，输出的量是准备计算的当前控制信号，各个输入量是对过程的多步预测序列与相应的设定值之差。进入世纪后，人们除继续研究基于非线性系统的神经网络建模与预测外，还针对些较为特殊且复杂的非线性系统，开展了些关于神经网络预测理论以及应用方面的新的研究。张兴会等提出了种非线性系统间接多步预测学习，采用网络对非线性系统进行建模，通过对广义预测控制目标函数的优化进行计算刘晓华等利用权值种权值可在线调整的动态网络对模型预测误差进行拟合，并对预测模型起构成动态组合预测器......”。

6、“.....吴爱国对非线性时滞系统采用了步超前预测模型的神经网络预测控制，首次实现了非线性时滞系统的神经网络预测的并联模型的算法，介绍了种新的正交神经网络，首次给出了多变量输入正交神经网络完备处理单元选择的通用公式。针对输入变量增多时，完备处理单元急剧增加的情况，提出了几种裁剪完备处理单元的选取方法，仿真实验验证了正交神经网络比网络收敛速度快训练时间短逼近能力好。沈阳理工大学学士学位论文课题设计路线及主要工作本文的主要工作是探讨基于和神经网络对空气质量指数的预测。本文共分为五大章。其中,第章为绪论，主要讲述课题的研究背景和意义......”。

7、“.....第二章主要是对三种不同的神经网络作简要的介绍，分别为神经网络，神经网络以及模糊神经网络。在第二章里简单的讲述了三种神经网络的基本知识点，以便读者可以对神经网络有初步的了解，在后续章节中还会重点对神经网络和神经网络进行详细的介绍。第三章主要介绍了工具箱的些基础知识，为读者能更好的理解后续神经网络和神经网络的编程仿真提供帮助。第四章为本文的重点，主要是对神经网络进行详细的研究，包括神经网络的原理，算法，实现步骤，仿真实现以及对仿真结果的分析。第五章也是本文的重点，主要是对神经网络进行详细的研究，研究的主要内容和神经网络样，只不过在最后还要对和进行比较分析......”。

8、“.....是年由和为首的科学家小组提出，是种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之。网络能学习和存贮大量的输入输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。神经网络模型拓扑结构包括输入层隐层和输出层。学习算法是训练人工神经网络的基本方法，它也是个非常重要且经典的学习算法，其实质是求解误差函数的最小值问题，利用它可以实现多层前馈神经网络权值的调节。这种学习算法的提出对人工神经网络发展起了很大的推动作用......”。

9、“.....由输入层隐层和输出层组成。图为个典型的三层网络的拓扑结构，层与层之间采用全互连方式，同层之间不存在相互连接,隐层可以有层或多层。层与层之间有两种信号在流通种是工作信号用实线表示，它是施加输入信号后向前传播直到在输出端产生实际输出的信号，是输入和权值的函数。另种是误差信号用虚线表示,网络实际输出与期望输出间的差值即为误差，它由输出端开始逐层向后传播。网络的学习过程程由前向计算过程和误差反向传播过程组成。在前向计算过程中，输入−−沈阳理工大学学士学位论文,沈阳理工大学学士学位论文摘要空气质量指数的大小可以用来反应空气质量的好坏，而空气质量指数主要受氧化碳......”。