混沌编码的粒子群神经网络研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的背景 | 第8-10页 |
| ·最优化问题 | 第8页 |
| ·粒子群优化算法研究现状 | 第8-10页 |
| ·粒子群算法与神经网络 | 第10页 |
| ·本文的研究内容和意义 | 第10-13页 |
| ·粒子群优化算法及其改进 | 第10-11页 |
| ·粒子群神经网络及其改进 | 第11-12页 |
| ·混沌编码的粒子群神经网络 | 第12-13页 |
| ·论文结构安排 | 第13-14页 |
| 第二章 基本粒子群优化算法 | 第14-18页 |
| ·粒子群优化算法原理 | 第14页 |
| ·粒子群优化算法描述 | 第14-17页 |
| ·粒子群算法优点和局限性 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 粒子群优化算法的改进 | 第18-32页 |
| ·粒子群算法参数改进 | 第18-26页 |
| ·引入惯性权重 | 第18-22页 |
| ·引入收缩因子 | 第22页 |
| ·引入自适应变异算子 | 第22-23页 |
| ·引入动量因子 | 第23-24页 |
| ·引入时间参数 | 第24-26页 |
| ·粒子群种群的改进 | 第26-27页 |
| ·粒子群拓扑结构的改变 | 第26页 |
| ·协同粒子群算法 | 第26-27页 |
| ·混沌粒子群优化算法 | 第27-30页 |
| ·利用混沌搜索使粒子群算法跳出早熟收敛 | 第27-28页 |
| ·利用混沌搜索初始化粒子群算法 | 第28-29页 |
| ·利用混沌搜索优化粒子群算法参数 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第四章 粒子群神经网络 | 第32-42页 |
| ·神经网络 | 第32-37页 |
| ·单神经元模型 | 第32-33页 |
| ·神经网络的学习方法 | 第33-35页 |
| ·BP神经网络 | 第35-37页 |
| ·粒子群神经网络 | 第37-41页 |
| ·粒子群算法优化神经网络权值和结构 | 第37-38页 |
| ·粒子群算法与BP算法结合优化神经网络 | 第38-39页 |
| ·一种改进的PSO-BP网络模型 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 混沌编码的粒子群神经网络 | 第42-52页 |
| ·混沌编码 | 第42-44页 |
| ·混沌编码的粒子群算法 | 第44-48页 |
| ·混沌编码的粒子群神经网络 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 个人简历 | 第57页 |
| 攻读硕士学位期间发表的论文 | 第57-59页 |
| 附录1 Iris数据集 | 第59-63页 |
| 附录2 训练样本 | 第63页 |
