神经网络集成算法设计及分析
| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·引言 | 第12页 |
| ·神经网络 | 第12-16页 |
| ·概述 | 第12-13页 |
| ·神经网络的发展 | 第13页 |
| ·神经网络研究内容 | 第13-14页 |
| ·神经网络集成及其应用 | 第14-16页 |
| ·本文各章内容安排 | 第16-18页 |
| 第二章 神经网络构建及特性分析 | 第18-37页 |
| ·引言 | 第18页 |
| ·生物神经元功能模型 | 第18-19页 |
| ·M-P 模型 | 第19-20页 |
| ·感知机模型 | 第20-21页 |
| ·Hopfield 模型 | 第21-22页 |
| ·BP 模型及其学习算法 | 第22-36页 |
| ·网络结构 | 第23-24页 |
| ·学习算法 | 第24-32页 |
| ·BP算法的改进 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于模糊技术的神经网络集成 | 第37-54页 |
| ·引言 | 第37页 |
| ·神经网络集成 | 第37-38页 |
| ·实现方法 | 第38-45页 |
| ·结论合成方法 | 第39页 |
| ·个体生成方法 | 第39-45页 |
| ·基于模糊聚类的神经网络集成 | 第45-48页 |
| ·模糊C-均值算法 | 第45-47页 |
| ·个体神经网络生成 | 第47页 |
| ·个体神经网络训练 | 第47-48页 |
| ·个体神经网络输出结论结合 | 第48页 |
| ·实验 | 第48-50页 |
| ·基于模糊C-均值的加权神经网络集成 | 第50-52页 |
| ·个体神经网络生成 | 第50页 |
| ·基于模糊 C-均值的加权神经网络集成方法 | 第50-51页 |
| ·实验 | 第51页 |
| ·实验结果 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 基于聚类选择的神经网络集成 | 第54-61页 |
| ·引言 | 第54-55页 |
| ·基于聚类的选择性神经网络集成 | 第55-57页 |
| ·特征空间划分 | 第55-56页 |
| ·算法原理 | 第56-57页 |
| ·实验 | 第57-59页 |
| ·实验数据 | 第58页 |
| ·“过产生”神经网络 | 第58-59页 |
| ·实验结果 | 第59页 |
| ·本章小结 | 第59-61页 |
| 第五章 基于差异性度量的选择性神经网络集成 | 第61-68页 |
| ·引言 | 第61页 |
| ·基于差异性度量的选择性神经网络集成实现方法 | 第61-64页 |
| ·κ估计方法 | 第61-62页 |
| ·算法原理 | 第62-64页 |
| ·神经网络集成的输出 | 第64页 |
| ·实验 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 结束语 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表的学术论文目录 | 第77页 |
