| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·论文的主要内容 | 第11页 |
| ·论文内容安排 | 第11-13页 |
| 第2章 BP 神经网络 | 第13-25页 |
| ·人工神经网络 | 第13-16页 |
| ·人工神经网络的特点 | 第13页 |
| ·神经元模型 | 第13-16页 |
| ·BP 神经网络 | 第16-25页 |
| ·BP 神经网络的特点 | 第16-17页 |
| ·BP 神经网络模型 | 第17-18页 |
| ·BP 算法的原理及步骤 | 第18-22页 |
| ·BP 神经网络的性能分析 | 第22-25页 |
| 第3章 遗传算法 | 第25-32页 |
| ·遗传算法简介 | 第25页 |
| ·遗传算法的基本原理 | 第25-27页 |
| ·遗传算法的基本操作 | 第27-29页 |
| ·编码操作 | 第27页 |
| ·适应度函数设计 | 第27-28页 |
| ·选择运算 | 第28页 |
| ·交叉运算 | 第28页 |
| ·变异运算 | 第28-29页 |
| ·遗传算法的特点及优越性 | 第29-30页 |
| ·遗传算法在 BP 网络中的应用 | 第30-32页 |
| ·遗传算法优化BP 网络的权值 | 第30页 |
| ·遗传算法优化BP 网络的结构 | 第30-32页 |
| 第4章 基于递阶遗传算法的 BP 网络结构优化方法 | 第32-41页 |
| ·递阶遗传算法 | 第32页 |
| ·递阶遗传算法结构及编码 | 第32-34页 |
| ·基于递阶遗传算法的BP 网络的结构优化 | 第34-41页 |
| ·染色体编码 | 第34-36页 |
| ·交叉和变异 | 第36-38页 |
| ·基于递阶遗传算法的 BP 网络的优化设计 | 第38-41页 |
| 第5章 实验结果及分析 | 第41-51页 |
| ·非线性函数逼近 | 第41-47页 |
| ·三分类问题 | 第47-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·未来工作展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |