基于BP神经网络的五子棋自学习系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状及存在问题 | 第11-12页 |
| 1.4 本文工作 | 第12-14页 |
| 1.4.1 研究内容 | 第12页 |
| 1.4.2 文章组织结构 | 第12-14页 |
| 第2章 五子棋的博弈、搜索算法及系统设计 | 第14-22页 |
| 2.1 五子棋博弈的不同形式 | 第14-16页 |
| 2.2 极大极小值算法 | 第16-18页 |
| 2.3 系统设计 | 第18-21页 |
| 2.3.1 界面表示 | 第19页 |
| 2.3.2 开局优化 | 第19页 |
| 2.3.3 着法生成 | 第19-20页 |
| 2.3.4 棋型匹配 | 第20-21页 |
| 2.3.5 节点评估和排序 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 神经网络理论研究 | 第22-39页 |
| 3.1 神经元网络模型和结构 | 第22-27页 |
| 3.1.1 神经网络学习 | 第22-23页 |
| 3.1.2 感知器的学习结构 | 第23-24页 |
| 3.1.3 感知器的学习算法 | 第24-25页 |
| 3.1.4 神经网络学习的梯度算法 | 第25-27页 |
| 3.2 BP神经网络 | 第27-35页 |
| 3.2.1 BP神经网络介绍 | 第28-29页 |
| 3.2.2 BP神经网络结构 | 第29页 |
| 3.2.3 BP算法研究 | 第29-32页 |
| 3.2.4 BP神经网络算法流程 | 第32-33页 |
| 3.2.5 BP神经网络的节点选择 | 第33-35页 |
| 3.2.6 BP神经网络的泛化能力 | 第35页 |
| 3.3 BP神经网络的性能分析 | 第35-36页 |
| 3.3.1 BP神经网络的缺陷 | 第35页 |
| 3.3.2 解析BP神经网络的缺陷 | 第35-36页 |
| 3.4 BP神经网络的改进 | 第36-38页 |
| 3.4.1 附加动量法 | 第36-37页 |
| 3.4.2 弹性BP算法 | 第37-38页 |
| 3.4.3 学习速率自适应法 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 评估函数的算法研究与训练学习 | 第39-50页 |
| 4.1 特征提取 | 第39-42页 |
| 4.1.1 特征 | 第39-41页 |
| 4.1.2 棋型匹配 | 第41-42页 |
| 4.2 BP神经网络 | 第42-45页 |
| 4.2.1 特征向量的选择 | 第43页 |
| 4.2.2 权值初始化 | 第43-44页 |
| 4.2.3 网络结构 | 第44-45页 |
| 4.3 训练学习过程 | 第45-46页 |
| 4.4 训练学习的优化 | 第46-49页 |
| 4.4.1 调整神经元数量 | 第46-47页 |
| 4.4.2 调整学习速率 | 第47-48页 |
| 4.4.3 训练迭代 | 第48页 |
| 4.4.4 开局的优化 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 五子棋自学习系统的实现 | 第50-59页 |
| 5.1 开发环境 | 第50页 |
| 5.2 系统的实现 | 第50-54页 |
| 5.2.1 基本功能的实现 | 第50-52页 |
| 5.2.2 自学习功能的实现 | 第52-54页 |
| 5.3 自学习算法的改进 | 第54-58页 |
| 5.3.1 训练迭代 | 第54-56页 |
| 5.3.2 调整学习速率 | 第56-58页 |
| 5.3.3 开局的优化 | 第58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
