几种前馈型神经网络分类性能的比较分析研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-15页 |
| ·人工神经网络技术发展简介 | 第8-10页 |
| ·遗传算法的研究现状 | 第10-12页 |
| ·MATLAB与神经网络工具箱 | 第12页 |
| ·课题研究的目的意义 | 第12-13页 |
| ·本文主要内容与结构 | 第13-15页 |
| 第二章 人工神经网络知识介绍 | 第15-28页 |
| ·人工神经网络的原理 | 第15-21页 |
| ·神经元模型 | 第15-18页 |
| ·神经网络互连模式 | 第18-20页 |
| ·神经网络的学习方式 | 第20-21页 |
| ·自适应线性网络 | 第21-22页 |
| ·W-H 学习规则 | 第21-22页 |
| ·网络训练 | 第22页 |
| ·单层与多层线性网络的功能比较 | 第22-28页 |
| ·多输入/单输出结构的自适应线性网络 | 第23-25页 |
| ·多输入/多输出结构的自适应线性网络 | 第25-28页 |
| 第三章 BP神经网络与遗传算法 | 第28-39页 |
| ·BP网络模型和结构 | 第28-32页 |
| ·BP学习算法 | 第29-30页 |
| ·误差反向传播过程图 | 第30-31页 |
| ·神经网络的缺陷 | 第31-32页 |
| ·前馈型人工神经网络的性能评价指标 | 第32页 |
| ·遗传算法的简要概述 | 第32-37页 |
| ·遗传算法的基本思想 | 第33页 |
| ·遗传算法的基本构成要素 | 第33-36页 |
| ·遗传算法应用于神经网络优化 | 第36-37页 |
| ·基于遗传算法的神经网络学习算法 | 第37-39页 |
| ·遗传算法优化BP神经网络的权值 | 第37-39页 |
| 第四章 基于前馈型神经网络的分类器模的建型立 | 第39-53页 |
| ·自适应线性网络模型 | 第39-40页 |
| ·基于BP神经网络的分类器模型建立 | 第40-42页 |
| ·基于BP网络的成绩分类效果 | 第42-46页 |
| ·基于遗传算法优化的BP神经网络模型 | 第46-53页 |
| ·GA算法的编码和适应度函数 | 第47页 |
| ·遗传算法优化BP神经网络的主要步骤 | 第47-48页 |
| ·GA-BP神经网络训练 | 第48-53页 |
| 第五章 实验结果及分析 | 第53-59页 |
| 第六章 结论与展望 | 第59-61页 |
| ·结论 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
