BP神经网络的算法改进及应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·神经网络概述 | 第7-9页 |
| ·神经网络的定义 | 第7页 |
| ·神经网络的发展历史 | 第7-8页 |
| ·神经网络的特点 | 第8页 |
| ·神经网络的应用 | 第8-9页 |
| ·本课题研究的意义、目的及内容 | 第9页 |
| ·研究的意义 | 第9页 |
| ·研究的目的与内容 | 第9页 |
| ·论文的组织结构 | 第9-11页 |
| 2 神经网络基本理论 | 第11-16页 |
| ·生物神经元模型 | 第11页 |
| ·人工神经元模型 | 第11-12页 |
| ·神经网络的分类 | 第12-13页 |
| ·神经网络的学习规则 | 第13-14页 |
| ·神经网络常用模型及其优缺点 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 3 BP 神经网络模型 | 第16-25页 |
| ·BP 网络结构 | 第16页 |
| ·BP 网络学习算法 | 第16-19页 |
| ·BP 算法的原理分析 | 第16-18页 |
| ·BP 算法的程序实现 | 第18-19页 |
| ·BP 网络的性能分析 | 第19-23页 |
| ·BP 网络的缺陷 | 第19-20页 |
| ·BP 算法的改进 | 第20-23页 |
| ·本章小结 | 第23-25页 |
| 4 基于放大误差信号的自适应BP 算法 | 第25-29页 |
| ·自适应误差信号的构造 | 第25-26页 |
| ·收敛性分析 | 第26-27页 |
| ·进一步改进 | 第27页 |
| ·仿真实验 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 5 BP 网络的联合优化 | 第29-32页 |
| ·自适应调节学习率 | 第29页 |
| ·动态调整激励函数的参数 | 第29-31页 |
| ·连接权值ω的调整 | 第30页 |
| ·激励函数参数a 的调整 | 第30-31页 |
| ·仿真实验 | 第31页 |
| ·本章小结 | 第31-32页 |
| 6 基于改进遗传算法的BP 网络模型 | 第32-39页 |
| ·背景知识 | 第32页 |
| ·IGA—BP 算法 | 第32-36页 |
| ·编码 | 第32-33页 |
| ·适应度函数 | 第33-34页 |
| ·选择算子 | 第34页 |
| ·交叉算子 | 第34页 |
| ·变异算子 | 第34-35页 |
| ·自适应交叉率和变异率 | 第35页 |
| ·修剪相似个体 | 第35-36页 |
| ·动态补充新个体 | 第36页 |
| ·算法步骤 | 第36页 |
| ·仿真实验 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 7 结论与展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 附录 | 第44页 |
