| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 本文研究内容与意义 | 第12-13页 |
| 1.4 本文的文章结构 | 第13-15页 |
| 第二章 激活函数概述 | 第15-23页 |
| 2.1 人工神经网络的提出和阶跃激活函数 | 第15-16页 |
| 2.2 BP人工神经网络及常见激活函数 | 第16-22页 |
| 2.2.1 Sigmoid系激活函数 | 第17-19页 |
| 2.2.2 高斯激活函数与Chebyshev多项式激活函数 | 第19-20页 |
| 2.2.3 Softplus激活函数与ReLU激活函数 | 第20-22页 |
| 2.2.4 其他激活函数 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 相关算法介绍及本文算法设计 | 第23-30页 |
| 3.1 蒙特卡洛方法人工神经网络 | 第23-25页 |
| 3.1.1 网络结构 | 第24页 |
| 3.1.2 网络初始化 | 第24-25页 |
| 3.1.3 网络训练 | 第25页 |
| 3.2 遗传算法 | 第25-26页 |
| 3.2.1 遗传算法原理 | 第25-26页 |
| 3.2.2 遗传算法运算过程 | 第26页 |
| 3.3 本文实验算法设计及实验环境 | 第26-29页 |
| 3.3.1 遗传算法编码方案 | 第27页 |
| 3.3.2 适应度计算 | 第27页 |
| 3.3.3 选择算子 | 第27-28页 |
| 3.3.4 交叉算子与变异算子 | 第28页 |
| 3.3.5 遗传算法训练过程与伪代码 | 第28-29页 |
| 3.3.6 实验环境 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 电力负荷预测实验和结果分析 | 第30-41页 |
| 4.1 数据说明和预处理 | 第30-31页 |
| 4.2 参数设置 | 第31页 |
| 4.3 结果分析 | 第31-40页 |
| 4.3.1 评价指标 | 第32页 |
| 4.3.2 固定迭代步长实验结果分析 | 第32-36页 |
| 4.3.3 固定目标损失实验结果分析 | 第36-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 心电图导联重建实验和结果分析 | 第41-51页 |
| 5.1 数据说明和预处理 | 第41-42页 |
| 5.2 参数设置 | 第42页 |
| 5.3 结果分析 | 第42-50页 |
| 5.3.1 评价指标 | 第43页 |
| 5.3.2 V1导联重建实验结果分析 | 第43-44页 |
| 5.3.3 V3导联重建实验结果分析 | 第44-45页 |
| 5.3.4 V4导联重建实验结果分析 | 第45-46页 |
| 5.3.5 V5导联重建实验结果分析 | 第46页 |
| 5.3.6 V6导联重建实验结果分析 | 第46-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 乳腺癌分类实验和结果分析 | 第51-55页 |
| 6.1 数据说明 | 第51页 |
| 6.2 参数设置 | 第51-52页 |
| 6.3 结果分析 | 第52-54页 |
| 6.3.1 评价指标 | 第52页 |
| 6.3.2 乳腺癌分类实验结果分析 | 第52-54页 |
| 6.4 本章小结 | 第54-55页 |
| 第七章 总结与展望 | 第55-57页 |
| 7.1 工作总结 | 第55页 |
| 7.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 在学期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |