| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第1章 绪论 | 第12-17页 |
| ·研究的背景和意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·研究内容和组织结构 | 第15-17页 |
| ·研究的内容 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第2章 人工神经网络 | 第17-23页 |
| ·人工神经网络的基本原理 | 第17-19页 |
| ·人工神经元数学模型 | 第17-18页 |
| ·激活函数 | 第18-19页 |
| ·人工神经网络的基本模型 | 第19-20页 |
| ·人工神经网络的学习 | 第20-21页 |
| ·无导师学习 | 第20-21页 |
| ·有导师学习 | 第21页 |
| ·强化学习 | 第21页 |
| ·人工神经网络的特点 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第3章 BP 神经网络算法 | 第23-31页 |
| ·BP 算法的网络结构 | 第23-24页 |
| ·BP 算法的原理 | 第24-25页 |
| ·BP 算法的实现步骤 | 第25-26页 |
| ·BP 算法的缺陷 | 第26-27页 |
| ·BP 算法的改进措施 | 第27-30页 |
| ·小结 | 第30-31页 |
| 第4章 基于人工鱼群与自适应的粒子群算法优化 BP 算法 | 第31-43页 |
| ·粒子群算法 | 第31-33页 |
| ·粒子群算法简介 | 第31页 |
| ·粒子群算法基本原理 | 第31-32页 |
| ·粒子群算法流程 | 第32-33页 |
| ·粒子群优化 BP 算法 | 第33-34页 |
| ·基于人工鱼群与自适应粒子群算法优化 BP 算法 | 第34-37页 |
| ·人工鱼群算法 | 第35-36页 |
| ·惯性权值和学习因子的改进 | 第36-37页 |
| ·AFPSO-BP 算法的实现 | 第37-38页 |
| ·算法实现步骤 | 第37-38页 |
| ·算法流程图 | 第38页 |
| ·实验仿真 | 第38-42页 |
| ·小结 | 第42-43页 |
| 第5章 基于混合蛙跳与模拟退火的遗传 BP 算法 | 第43-59页 |
| ·遗传算法 | 第43-47页 |
| ·遗传算法简介 | 第43页 |
| ·遗传算法基本操作 | 第43-46页 |
| ·遗传算法的基本流程 | 第46-47页 |
| ·基于遗传算法的 BP 神经网络算法 | 第47-48页 |
| ·基于混合蛙跳与模拟退火的遗传 BP 算法 | 第48-51页 |
| ·混合蛙跳分组策略 | 第49-51页 |
| ·模拟退火接收准则 | 第51页 |
| ·SFGA-BP 算法的实现 | 第51-54页 |
| ·SFGA-BP 算法的实现步骤 | 第51-53页 |
| ·算法流程图 | 第53-54页 |
| ·仿真实验 | 第54-57页 |
| ·实验数据和参数设置 | 第54-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·小结 | 第57-59页 |
| 总结 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间论文发表 | 第63-64页 |
| 致谢 | 第64页 |