基于进化算法的神经网络研究与优化
| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 本课题的研究背景 | 第11-15页 |
| 1.1.1 人工神经网络的发展史 | 第11-12页 |
| 1.1.2 人工神经网络的优缺点 | 第12-13页 |
| 1.1.3 国内外研究现状 | 第13-15页 |
| 1.2 本课题研究的意义 | 第15-16页 |
| 1.3 本文的工作与安排 | 第16-18页 |
| 第二章 基本原理 | 第18-30页 |
| 2.1 BP神经网络概述 | 第18页 |
| 2.2 BP神经网络原理 | 第18-22页 |
| 2.2.1 BP算法概述 | 第18-21页 |
| 2.2.2 BP算法实现 | 第21-22页 |
| 2.3 遗传算法 | 第22-24页 |
| 2.3.1 遗传算法概述 | 第22-23页 |
| 2.3.2 遗传算法实现 | 第23-24页 |
| 2.4 粒子群优化算法 | 第24-27页 |
| 2.4.1 粒子群优化算法概述 | 第24-26页 |
| 2.4.2 粒子群优化算法的实现 | 第26-27页 |
| 2.5 差分进化算法 | 第27-29页 |
| 2.5.1 差分进化算法概述 | 第27-28页 |
| 2.5.2 差分进化算法的实现 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 网络节点数与网络训练参数确定的方法 | 第30-36页 |
| 3.1 引言 | 第30-31页 |
| 3.2 隐含层节点数自适应选取的算法 | 第31-33页 |
| 3.2.1 算法描述 | 第31页 |
| 3.2.2 算法实现 | 第31-33页 |
| 3.3 改进的遗传算法 | 第33-34页 |
| 3.3.1 染色体结构的设定 | 第33页 |
| 3.3.2 优化操作 | 第33-34页 |
| 3.4 动态选取网络参数的方法 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 改进的粒子群优化算法动态选取权值的方法 | 第36-43页 |
| 4.1 引言 | 第36-37页 |
| 4.2 改进的粒子群优化算法 | 第37-39页 |
| 4.2.1 粒子结构的设定 | 第37页 |
| 4.2.2 自适应参数 | 第37-38页 |
| 4.2.3 动态邻域 | 第38-39页 |
| 4.3 动态选取权值的方法 | 第39-42页 |
| 4.3.1 算法描述 | 第39-40页 |
| 4.3.2 算法实现 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 仿真实验结果与分析 | 第43-58页 |
| 5.1 模型构建 | 第43-46页 |
| 5.2 实验结果与分析 | 第46-57页 |
| 5.2.1 训练精度 | 第46-49页 |
| 5.2.2 正确率_ | 第49-53页 |
| 5.2.3 算法性能 | 第53-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-61页 |
| 参考文献 | 第61-67页 |
| 附录 | 第67-69页 |
| 附录A 图索引 | 第67-68页 |
| 附录B 表索引 | 第68-69页 |
| Appendix | 第69-71页 |
| Appendix A Figure Index | 第69-70页 |
| Appendix B Table Index | 第70-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-73页 |
| 攻读硕士学位期间参加的科研项目 | 第73页 |
