BP算法的改进及其应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·本课题的研究背景 | 第10-13页 |
| ·人工神经网络的定义 | 第10页 |
| ·人工神经网络发展历史 | 第10-11页 |
| ·人工神经网络的特点 | 第11页 |
| ·人工神经网络研究内容和应用 | 第11-12页 |
| ·BP算法的国内外研究现状 | 第12-13页 |
| ·本课题的研究意义和内容 | 第13-14页 |
| ·研究意义 | 第13页 |
| ·研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 BP神经网络理论概述 | 第16-32页 |
| ·人工神经网络理论基本原理 | 第16-21页 |
| ·生物神经元模型 | 第16-17页 |
| ·人工神经元数学模型 | 第17-18页 |
| ·神经网络激活函数类型 | 第18-19页 |
| ·人工神经网络分类 | 第19-20页 |
| ·人工神经网络的学习规则总结 | 第20页 |
| ·人工神经网络的常见模型及优劣分析 | 第20-21页 |
| ·BP神经网络模型概述 | 第21-30页 |
| ·BP神经网络结构 | 第21-22页 |
| ·BP算法的原理分析 | 第22-25页 |
| ·BP算法的实现步骤 | 第25-26页 |
| ·BP算法性能分析 | 第26-27页 |
| ·BP算法的现有改进方法 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 针对标准BP算法的改进 | 第32-38页 |
| ·复合误差函数 | 第32-34页 |
| ·分层动态调整学习率 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于改进遗传算法的BP网络模型 | 第38-52页 |
| ·遗传算法概述 | 第38-45页 |
| ·遗传算法的产生与发展 | 第38-39页 |
| ·遗传算法原理 | 第39-41页 |
| ·遗传算法的关键构成元素 | 第41-43页 |
| ·遗传算法的特点与应用 | 第43-45页 |
| ·改进遗传算法与BP算法的融合 | 第45-50页 |
| ·基本思想 | 第45-46页 |
| ·算法的关键元素设计 | 第46-48页 |
| ·算法步骤 | 第48-50页 |
| ·灰色关联度算法介绍 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 仿真实验 | 第52-64页 |
| ·实验背景 | 第52页 |
| ·实验的整体方案设计 | 第52-53页 |
| ·KJ70系统介绍 | 第53-55页 |
| ·原始数据采集 | 第55-56页 |
| ·实验样本关联性分析 | 第56-57页 |
| ·实验数据预处理 | 第57-58页 |
| ·两种神经网络模型训练 | 第58-59页 |
| ·实验结果分析 | 第59-64页 |
| 第六章 总结与展望 | 第64-68页 |
| ·本文总结 | 第64-65页 |
| ·前景展望 | 第65-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
