基于粒子群优化的神经网络的渲染时间预估算法
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 相关研究工作 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第二章 预备知识 | 第17-26页 |
| 2.1 渲染引擎 | 第17-19页 |
| 2.1.1 Bleman渲染器 | 第17-18页 |
| 2.1.2 Bleman渲染流程 | 第18-19页 |
| 2.2 渲染场景特征 | 第19-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 时间预估模型 | 第26-42页 |
| 3.1 渲染特征提取 | 第26-31页 |
| 3.1.1 提取初步样本 | 第26-27页 |
| 3.1.2 PCA维规约 | 第27-30页 |
| 3.1.3 PCA评价 | 第30-31页 |
| 3.2 神经网络预估模型 | 第31-38页 |
| 3.2.1 神经网络原理 | 第32-33页 |
| 3.2.2 BP神经网络 | 第33-35页 |
| 3.2.3 BP神经网络参数 | 第35-38页 |
| 3.3 BP神经网络结果 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 粒子群优化算法 | 第42-52页 |
| 4.1 PSO问题描述 | 第43-44页 |
| 4.2 学习过程 | 第44-51页 |
| 4.2.1 PSO算法设计 | 第44-46页 |
| 4.2.2 PSO与神经网络 | 第46-47页 |
| 4.2.3 结果分析 | 第47-51页 |
| 4.3 本章总结 | 第51-52页 |
| 第五章 总结和展望 | 第52-54页 |
| 5.1 本文总结 | 第52页 |
| 5.2 未来展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的主要学术论文 | 第59-60页 |
| 攻读学位期间参与的科研项目 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |
