基于遗传算法的神经网络的研究与应用
| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 第1章 绪论 | 第6-9页 |
| ·研究背景和意义 | 第6页 |
| ·研究现状 | 第6-8页 |
| ·神经网络研究现状 | 第6-7页 |
| ·遗传算法的研究现状 | 第7-8页 |
| ·论文的主要工作与章节架构 | 第8-9页 |
| ·本文研究的主要内容 | 第8页 |
| ·论文结构简述 | 第8-9页 |
| 第2章 神经网络概述 | 第9-20页 |
| ·生物神经网络 | 第9页 |
| ·人工神经网络 | 第9-11页 |
| ·人工神经网络的特点 | 第11页 |
| ·反向传播网络 | 第11-13页 |
| ·径向基(RBF)神经网络及其学习算法 | 第13-18页 |
| ·RBF神经网络 | 第13页 |
| ·RBF网络的结构 | 第13-15页 |
| ·RBF神经网络学习算法 | 第15-18页 |
| ·模糊化神经网络 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 遗传算法的定义及功能 | 第20-31页 |
| ·编码 | 第20-21页 |
| ·二进制编码方法 | 第21页 |
| ·浮点数编码方法 | 第21页 |
| ·符号编码方法 | 第21页 |
| ·适应度函数 | 第21-22页 |
| ·原始适应函数 | 第22页 |
| ·标准适应函数 | 第22页 |
| ·选择 | 第22-24页 |
| ·适应度比例方法 | 第22-23页 |
| ·最佳个体保存方法 | 第23页 |
| ·期望值方法 | 第23页 |
| ·排序选择方法 | 第23-24页 |
| ·锦标赛选择方法 | 第24页 |
| ·交叉 | 第24-25页 |
| ·离散交叉 | 第24-25页 |
| ·算术交叉 | 第25页 |
| ·启发式交叉 | 第25页 |
| ·变异 | 第25-27页 |
| ·均匀性变异 | 第25-26页 |
| ·非一致性变异 | 第26-27页 |
| ·控制参数的选取 | 第27-28页 |
| ·控制参数的确定 | 第27-28页 |
| ·控制参数的自适应调节 | 第28页 |
| ·遗传算法的基本步骤 | 第28-29页 |
| ·遗传算法的特点 | 第29-31页 |
| 第4章 RBF网络的遗传算法优化 | 第31-37页 |
| ·用遗传算法来优化RBF网络 | 第31-32页 |
| ·实验一 | 第32-33页 |
| ·实验二 | 第33页 |
| ·时间序列预测的应用 | 第33-36页 |
| ·问题的提出 | 第33-35页 |
| ·实验设计 | 第35-36页 |
| ·实验结果 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第5章 基于模糊化神经网络的遗传算法优化 | 第37-47页 |
| ·问题的提出 | 第37页 |
| ·多级FIR中值混合滤波器(MFMHF) | 第37-38页 |
| ·模糊化神经网络的结构 | 第38-40页 |
| ·遗传算法优化模糊化网络的结构 | 第40-41页 |
| ·图像去噪的实验一 | 第41-43页 |
| ·图像去噪的实验二 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读学位期间发表的论文 | 第51-52页 |
| 致谢 | 第52页 |
