首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

用于图像复原的模块化神经网络研究及优化

摘要第5-6页
abstract第6页
第1章 绪论第9-13页
    1.1 背景及意义第9-10页
    1.2 研究现状第10-13页
        1.2.1 图像复原研究现状第10-11页
        1.2.2 MNN研究现状第11-12页
        1.2.3 论文的组织结构第12-13页
第2章 图像复原概述第13-17页
    2.1 图像复原的概念第13页
    2.2 图像复原问题的一般模型第13-15页
    2.3 本章小结第15-17页
第3章 神经网络基础第17-32页
    3.1 人工神经网络第17-24页
        3.1.1 人工神经元模型第17-18页
        3.1.2 前馈感知器网络模型第18-20页
        3.1.3 BP学习算法第20-23页
        3.1.4 BP神经网缺陷分析第23-24页
    3.2 模块化神经网络第24-31页
        3.2.1 模块化神经网络的概念第24页
        3.2.2 模块化神经网络的优势第24-26页
        3.2.3 模块化神经网络理论分析第26-28页
        3.2.4 模块化神经网络设计方法第28-31页
    3.3 本章小结第31-32页
第4章 基于改进算法的模块化神经网络子网研究第32-44页
    4.1 基于遗传算法改进的BP神经网络第32-35页
        4.1.1 遗传算法概述第32-33页
        4.1.2 GA-BP算法原理第33-34页
        4.1.3 用于图像复原的GA-BP算法设计第34-35页
    4.2 基于粒子群优化算法改进的BP神经网络第35-39页
        4.2.1 粒子群优化算法概述第35-37页
        4.2.2 PSO-BP算法原理第37-38页
        4.2.3 用于图像复原的PSO-BP算法设计第38-39页
    4.3 子网性能对比实验第39-42页
    4.4 本章小结第42-44页
第5章 模块化神经网络在图像复原中的应用第44-62页
    5.1 模块化神经网络的实现第44-50页
        5.1.1 子网结构设计第45-47页
        5.1.2 子网生成第47-48页
        5.1.3 子网整合第48-49页
        5.1.4 网络训练第49页
        5.1.5 网络性能分析第49-50页
    5.2 图像的质量评价第50-55页
        5.2.1 图像质量的主观评价第51页
        5.2.2 图像质量的客观评价第51-55页
    5.3 实验结果及分析第55-57页
    5.4 网络优化改进第57-61页
    5.5 本章小结第61-62页
结论第62-64页
参考文献第64-69页
攻读硕士学位期间发表的论文和取得的科研成果第69-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:基于支持向量机的文本分类方法研究
下一篇:个性化推荐协同过滤算法研究