| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-23页 |
| ·课题研究背景 | 第15-18页 |
| ·人工神经元网络概述 | 第15-16页 |
| ·前馈神经网络结构 | 第16-17页 |
| ·前馈神经网络学习算法 | 第17-18页 |
| ·国内外研究现状 | 第18-19页 |
| ·粒子群算法研究现状 | 第18-19页 |
| ·混沌映射研究现状 | 第19页 |
| ·粒子群训练前馈神经网络研究现状 | 第19页 |
| ·课题研究内容 | 第19-20页 |
| ·论文组织结构 | 第20-23页 |
| 第二章 基于反传的混沌粒子群优化算法 | 第23-29页 |
| ·粒子群算法 | 第23-24页 |
| ·粒子早熟判断机制 | 第23-24页 |
| ·混沌映射 | 第24-26页 |
| ·Logistic 映射 | 第24页 |
| ·ICMIC 映射 | 第24页 |
| ·Sine 映射 | 第24页 |
| ·Bernoulli shift 映射 | 第24-26页 |
| ·反传的混沌粒子群优化算法 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于 ICMICPSO-BP 方法的前馈神经网络训练 | 第29-43页 |
| ·ICMICPSO-BP 算法 | 第29-31页 |
| ·ICMICPSO-BP 算法的基本思想 | 第29页 |
| ·ICMICPSO-BP 算法框架 | 第29-31页 |
| ·粒子编码策略 | 第31页 |
| ·UCI 标准数据测试 | 第31-41页 |
| ·实验设置 | 第31-33页 |
| ·Housing 数据集 | 第33-34页 |
| ·Concrete 数据集 | 第34-35页 |
| ·Freidman#1 数据集 | 第35-36页 |
| ·四个 benchmark 函数 | 第36-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于 BSCPSO-BP 方法的前馈神经网络训练 | 第43-53页 |
| ·BSCPSO-BP 算法 | 第43-45页 |
| ·BSCPSO-BP 算法的基本思想 | 第43页 |
| ·BSCPSO-BP 算法框架 | 第43-45页 |
| ·BENCHMARK 数据集 | 第45-51页 |
| ·实验设置 | 第45-46页 |
| ·三位异或 benchmark 问题 | 第46-47页 |
| ·函数逼近 benchmark 问题 | 第47-49页 |
| ·Iris 分类 benchmark 问题 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 软测量建模 | 第53-63页 |
| ·基于 HDPE 的软测量建模及反应流程 | 第53-54页 |
| ·HDPE 一反熔融指数软测量建模 | 第54-56页 |
| ·一反熔融指数数据预处理 | 第54-55页 |
| ·一反熔融指数软测量建模 | 第55-56页 |
| ·一反熔融指数模型结果分析 | 第56页 |
| ·HDPE 二反熔融指数软测量建模 | 第56-58页 |
| ·二反熔融指数软测量建模 | 第56-58页 |
| ·二反熔融指数模型结果分析 | 第58页 |
| ·HDPE 密度软测量建模 | 第58-60页 |
| ·密度软测量建模 | 第58-59页 |
| ·密度模型结果分析 | 第59-60页 |
| ·基于 PTA 的软测量建模 | 第60-62页 |
| ·软测量建模 | 第60-61页 |
| ·模型结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·工作总结 | 第63-64页 |
| ·工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 研究成果及发表的学术论文 | 第71-73页 |
| 作者和导师简介 | 第73-74页 |
| 附件 | 第74-75页 |