| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·人工神经网络定义 | 第10页 |
| ·人工神经网络的发展 | 第10-11页 |
| ·人工神经网络的应用 | 第11页 |
| ·研究意义 | 第11页 |
| ·论文的研究内容 | 第11-13页 |
| ·本文的主要研究内容 | 第11-12页 |
| ·论文结构安排 | 第12-13页 |
| 2 BP网络 | 第13-19页 |
| ·BP网络模型与标准BP算法 | 第13-16页 |
| ·BP 网络模型 | 第13-14页 |
| ·BP 算法 | 第14-16页 |
| ·BP网络设计的一般原则 | 第16-17页 |
| ·BP网络的参数设计 | 第16页 |
| ·BP 网络的结构参数设计 | 第16-17页 |
| ·BP网络的缺陷与改进 | 第17-19页 |
| ·BP 网络的缺馅 | 第17页 |
| ·BP 网络的改进 | 第17-19页 |
| 3 遗传算法 | 第19-23页 |
| ·遗传算法基本理论 | 第19-21页 |
| ·遗传算法的概述 | 第19页 |
| ·简单遗传算法的工作原理 | 第19页 |
| ·遗传算法的基本实现技术 | 第19-21页 |
| ·遗传算法的优点及与 BP 网络的结合 | 第21-23页 |
| ·遗传算法的优点 | 第21页 |
| ·BP网络与遗传算法结合 | 第21-23页 |
| 4 基于嵌套的分式线性 BP 网络双遗传优化 | 第23-38页 |
| ·嵌套思想的引入 | 第23-24页 |
| ·分式线性BP网络 | 第24-27页 |
| ·网络结构 | 第24-25页 |
| ·网络学习算法 | 第25-27页 |
| ·遗传算法分别优化分式线性BP网络的结构与初始权值和阈值 | 第27-30页 |
| ·网络参数的确定 | 第27-29页 |
| ·网络结构的遗传优化 | 第29-30页 |
| ·网络初始权值和阈值的遗传优化 | 第30页 |
| ·算法的基本步骤 | 第30页 |
| ·基于嵌套的分式线性BP网络双遗传优化的除草剂定量构效关系模型 | 第30-38页 |
| ·前言 | 第30-31页 |
| ·仿真内容 | 第31-38页 |
| 5 总结与展望 | 第38-39页 |
| ·总结 | 第38页 |
| ·存在的问题与展望 | 第38-39页 |
| 参考文献 | 第39-41页 |
| 附录A | 第41-42页 |
| 致谢 | 第42页 |