改进的粒子群算法训练BP神经网络的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和课题意义 | 第10-11页 |
| 1.2 国内外课题研究现状分析 | 第11-14页 |
| 1.2.1 BP神经网络的改进研究 | 第11-13页 |
| 1.2.2 粒子群优化技术的改进研究 | 第13-14页 |
| 1.2.3 粒子群算法训练BP神经网络的研究现状 | 第14页 |
| 1.3 论文的创新点 | 第14-15页 |
| 1.4 论文的结构 | 第15-16页 |
| 第二章 相关理论概述 | 第16-26页 |
| 2.1 BP神经网络 | 第16-20页 |
| 2.1.1 基本思想 | 第16-17页 |
| 2.1.2 常用的几种激励函数 | 第17-18页 |
| 2.1.3 BP算法流程 | 第18-20页 |
| 2.2 BP神经网络存在的问题 | 第20-22页 |
| 2.2.1 学习算法的收敛速度慢 | 第20页 |
| 2.2.2 存在局部极小点 | 第20-21页 |
| 2.2.3 网络结构难以确定 | 第21页 |
| 2.2.4 训练时学习新样本有遗忘旧样本的趋势 | 第21-22页 |
| 2.3 基本粒子群优化算法 | 第22-25页 |
| 2.3.1 算法原理 | 第22页 |
| 2.3.2 算法描述 | 第22-23页 |
| 2.3.3 算法流程 | 第23-25页 |
| 2.4 标准粒子群优化算法 | 第25-26页 |
| 2.4.1 带惯性权重粒子群优化算法 | 第25页 |
| 2.4.2 带收缩因子的粒子群优化算法 | 第25-26页 |
| 第三章 随机惯性权重的简化粒子群优化算法 | 第26-38页 |
| 3.1 粒子群算法存在的问题 | 第26页 |
| 3.2 算法的改进策略 | 第26-29页 |
| 3.2.1 简化粒子群优化算法 | 第27页 |
| 3.2.2 扩展的简化粒子群优化算法 | 第27-28页 |
| 3.2.3 随机惯性权重 | 第28页 |
| 3.2.4 异步变化的学习因子 | 第28-29页 |
| 3.3 算法流程 | 第29页 |
| 3.4 改进算法仿真 | 第29-37页 |
| 3.5 本章总结 | 第37-38页 |
| 第四章 改进的简化粒子群算法训练BP神经网络研究 | 第38-50页 |
| 4.1 神经网络设计 | 第38-41页 |
| 4.1.1 输入层和输出层的设计 | 第38-39页 |
| 4.1.2 隐含层结构设计 | 第39-40页 |
| 4.1.3 算法设计 | 第40-41页 |
| 4.1.4 适应度函数 | 第41页 |
| 4.2 算法流程 | 第41-42页 |
| 4.3 性能评价 | 第42-43页 |
| 4.4 算法仿真及分析 | 第43-48页 |
| 4.4.1 实验环境 | 第43-44页 |
| 4.4.2 IRIS数据集实验 | 第44-47页 |
| 4.4.3 WINE数据集实验 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间参加的科研项目 | 第57-58页 |
| 攻读硕士学位期间发表的学术论文目录 | 第58页 |
