第1章  緒論  1．1  過程神經元網絡的研究與進展  1．2  人工神經元網絡在預測預報中的應用研究現狀  1．3  航空發(fā)動機健康管理技術的研究與進展  1．4  本書總體 第1章 緒論 1．1 過程神經元網絡的研究與進展 1．2 人工神經元網絡在預測預報中的應用研究現狀 1．3 航空發(fā)動機健康管理技術的研究與進展 1．4 本書總體框架設計 參考文獻第2章 雙并聯過程神經元網絡模型 2．1 雙并聯前饋過程神經元網絡拓撲結構 2．2 雙并聯前饋過程神經元網絡學習算法 2．3 雙并聯前饋過程神經元網絡收斂性分析 2．4 雙并聯前饋過程神經元網絡仿真試驗 2．5 本章小結 參考文獻 第3章 Elman型反饋過程神經元網絡模型 3．1 Elman型反饋過程神經元網絡模型 3．2 Elman型反饋過程神經元網絡學習算法 3．3 Elman型反饋過程神經元網絡穩(wěn)定性分析 3．4 Elman型反饋過程神經元網絡仿真試驗 3．5 本章小結 參考文獻第4章 對向傳播過程神經元網絡模型 4．1 對向傳播過程神經元網絡模型 4．2 對向傳播過程神經元網絡學習算法 4．3 對向傳播過程神經元網絡性能分析 4．4 對向傳播過程神經元網絡仿真試驗 4．5 本章小結 參考文獻第5章 小波過程神經元網絡模型 5．1 小波過程神經元模型． 5．2 連續(xù)小波過程神經元網絡模型 5．3 小波基函數過程神經元網絡模型 5．4 小波過程神經元網絡解的存在性定理 5．5 本 章小結 參考文獻第6章 離散輸入過程神經元網絡模型 6．1 離散輸入過程神經元網絡模型 6．2 離散輸入過程神經元網絡學習算法 6．3 基于離散輸入過程神經元網絡的仿真試驗 6．4 本章小結 參考文獻第7章 過程神經元網絡泛化能力分析 7．1 基于LM算法的過程神經元網絡學習算法 7．2 過程神經元網絡學習樣本集的構造 7．3 過程神經元網絡集成 7．4 本章小結 參考文獻第8章 基于過程神經元網絡的狀態(tài)預報與時間序列預測 8．1 過程神經元網絡在動態(tài)模式識別中的應用 8．2 過程神經元網絡在時間序列預測中的應用 8．3 本章小結 參考文獻第9章 基于過程神經元網絡的航空發(fā)動機健康狀態(tài)預測 9．1 航空發(fā)動機健康狀態(tài)參數降噪處理 9．2 基于對向傳播過程神經元網絡發(fā)動機轉子故障診斷 9．3 航空發(fā)動機排氣溫度預測 9．4 航空發(fā)動機滑油狀態(tài)預測 9．5 本章小結 參考文獻第10章 基于靜態(tài)權值組合集成模型的航空發(fā)動機健康狀態(tài)預測 10．1 集成學習與局域建模 10．2 面向回歸問題的AdaBoost．RT集成學習算法 10．3 改進的AdaBoost RT算法 10．4 基于改進AdaBoos，t．RT的靜態(tài)權值組合集成局域預測模型 10．5 發(fā)動機核心機轉速偏差值預測試例 10．6 本章小結 參考文獻第11章 基于動態(tài)權值組合集成模型的航空發(fā)動機健康狀態(tài)預測 11．1 集成學習模型的動態(tài)權值組合方法 11．2 極端學習機 11．3 動態(tài)權值組合集成模型 11．4 動態(tài)權值組合集成模型有效性驗證 11．5 基于動態(tài)權值組合集成模型發(fā)動機健康狀態(tài)預測實例 11．6 本章小結 參考文獻第12章 基于Bootstrap方法的預測區(qū)間估計 12 1 基于B00tstrap方法估計預測區(qū)間 12．2 基于彈性反向傳播的神經元網絡學習算法 12．3 預測區(qū)間估計實例 12．4 本章小結 參考文獻第13章 面向使用方的航空發(fā)動機健康管理系統(tǒng)開發(fā) 13．1 航空發(fā)動機健康管理概述 13．2 航空發(fā)動機健康管理系統(tǒng)需求分析 13．3 航空發(fā)動機健康數據組織 13．4 航空發(fā)動機構型數據管理 13．5 航空發(fā)動機健康管理系統(tǒng)設計 13．6 航空發(fā)動機性能監(jiān)控模塊設計 13．7 航空發(fā)動機健康管理系統(tǒng)運行實例 13．8 航空發(fā)動機健康管理系統(tǒng)應用情況 13．9 本章小結 參考文獻縮略詞