BP神经网络结构优化研究及应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题背景及意义 | 第9-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 海洋水质监测国内外现状 | 第11-13页 |
| 1.2.2 叶绿素a浓度反演模型研究进展 | 第13-15页 |
| 1.3 研究目的和内容 | 第15-18页 |
| 1.3.1 研究目的 | 第15-16页 |
| 1.3.2 研究内容 | 第16-17页 |
| 1.3.3 技术难点 | 第17-18页 |
| 1.4 章节安排 | 第18-19页 |
| 第2章 神经网络和遗传算法 | 第19-33页 |
| 2.1 神经网络的基本概念 | 第19-23页 |
| 2.1.1 人工神经网络模型 | 第20-23页 |
| 2.1.2 人工神经网络的特点 | 第23页 |
| 2.2 BP神经网络 | 第23-27页 |
| 2.2.1 BP神经网络的结构 | 第24-26页 |
| 2.2.2 BP神经网络的特点 | 第26-27页 |
| 2.3 遗传算法 | 第27-33页 |
| 2.3.1 遗传算法的发展史 | 第27-29页 |
| 2.3.2 遗传算法的原理和步骤 | 第29-31页 |
| 2.3.3 遗传算法的特点 | 第31-33页 |
| 第3章 叶绿素a浓度BP网络模型构建 | 第33-43页 |
| 3.1 研究区域概况 | 第33-35页 |
| 3.2 数据准备 | 第35-37页 |
| 3.2.1 实测数据 | 第35-36页 |
| 3.2.2 遥感影像数据预处理 | 第36页 |
| 3.2.3 试验数据 | 第36-37页 |
| 3.3 BP网络模型构建 | 第37-43页 |
| 3.3.1 BP网络模型实现 | 第38-40页 |
| 3.3.2 BP神经网络的仿真及评价 | 第40-43页 |
| 第4章 BP网络模型优化和仿真分析 | 第43-51页 |
| 4.1 BP网络模型结构优化 | 第43-45页 |
| 4.1.1 高阶神经网络简化及引入 | 第43-44页 |
| 4.1.2 网络结构调整 | 第44-45页 |
| 4.2 遗传算法优化BP神经网络模型 | 第45-49页 |
| 4.2.1 遗传算法优化BP网络详细设计 | 第46-48页 |
| 4.2.2 仿真分析 | 第48-49页 |
| 4.3 优化前后对比 | 第49-51页 |
| 第5章 结论与展望 | 第51-54页 |
| 5.1 结论 | 第51-52页 |
| 5.2 展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59页 |
