基于GA-BP神经网络对葡萄酒质量评估的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.1.1 葡萄酒市场现状 | 第8-9页 |
| 1.1.2 中国葡萄酒行业发展趋势 | 第9页 |
| 1.2 问题提出 | 第9-11页 |
| 1.3 研究现状 | 第11页 |
| 1.4 研究内容 | 第11-12页 |
| 1.5 论文结构 | 第12-14页 |
| 第2章 相关概念和理论介绍 | 第14-32页 |
| 2.1 主流葡萄酒评分体系简介 | 第14页 |
| 2.2 BP神经网络理论简介 | 第14-24页 |
| 2.2.1 BP神经网络发展与应用 | 第14-15页 |
| 2.2.2 BP网络结构和参数组成 | 第15-21页 |
| 2.2.3 BP算法的整体流程 | 第21-23页 |
| 2.2.4 BP网络算法优缺点 | 第23-24页 |
| 2.3 遗传算法理论简介 | 第24-30页 |
| 2.3.1 遗传算法简介 | 第24-25页 |
| 2.3.2 遗传算法特点 | 第25-26页 |
| 2.3.3 遗传算法流程 | 第26-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 BP神经网络模型设计与优化 | 第32-44页 |
| 3.1 BP神经网络原理 | 第32-34页 |
| 3.2 初始权重和阈值 | 第34页 |
| 3.3 隐含层神经元数 | 第34-35页 |
| 3.4 激活函数的优化 | 第35-37页 |
| 3.4.1 使用对数函数修正线性单元 | 第35-36页 |
| 3.4.2 改进后的LogReLU函数 | 第36-37页 |
| 3.5 BP网络模型对葡萄酒质量的评估实验 | 第37-43页 |
| 3.5.1 数据准备和预处理 | 第37-39页 |
| 3.5.2 隐含层节点数目的确定 | 第39页 |
| 3.5.3 学习率选取 | 第39-40页 |
| 3.5.4 对不同激活函数的实验分析 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于GA-BP的模型设计与优化 | 第44-54页 |
| 4.1 优化目标 | 第44-45页 |
| 4.2 对GA的优化 | 第45-51页 |
| 4.2.1 编码操作 | 第45页 |
| 4.2.2 种群初始化 | 第45-46页 |
| 4.2.3 设置适应度函数 | 第46页 |
| 4.2.4 改进选择算子 | 第46-48页 |
| 4.2.5 自适应交叉和变异算子 | 第48-51页 |
| 4.3 对GA-BP模型的优化 | 第51-53页 |
| 4.3.1 优化后的模型结构 | 第51-52页 |
| 4.3.2 改进GA多BP网络的影响 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 GA-BP模型对葡萄酒质量评估的实验分析 | 第54-60页 |
| 5.1 GA-BP模型下的实验分析 | 第54-55页 |
| 5.2 OGA-BP模型下的实验分析 | 第55-59页 |
| 5.3 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 致谢 | 第68页 |
