首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于跳跃基因的AGA-BP算法研究

摘要第6-7页
Abstract第7页
第1章 绪论第10-19页
    1.1 研究背景及意义第10-17页
        1.1.1 研究背景第10-12页
        1.1.2 国内外研究现状第12-15页
        1.1.3 研究意义第15-17页
    1.2 本文的研究内容第17-18页
    1.3 本章小结第18-19页
第2章 BP神经网络和遗传算法第19-32页
    2.1 BP神经网络第19-25页
        2.1.1 人工神经网络第19-20页
        2.1.2 BP算法第20-24页
        2.1.3 设计BP网络第24-25页
        2.1.4 BP算法局限性分析第25页
    2.2 遗传算法第25-29页
        2.2.1 遗传算法原理第25-26页
        2.2.2 编码方式第26页
        2.2.3 遗传算法的主要操作第26-29页
        2.2.4 遗传算法的局限性分析第29页
    2.3 自适应遗传算法第29-31页
    2.4 本章小结第31-32页
第3章 跳跃基因遗传算法第32-39页
    3.1 跳跃基因第32-35页
    3.2 跳跃基因遗传算法第35-38页
    3.3 本章小结第38-39页
第4章 改进GA-BP算法并建立模型第39-48页
    4.1 GA-BP算法第39-43页
        4.1.1 GA-BP算法简介第39-40页
        4.1.2 算法的主要操作第40-42页
        4.1.3 GA-BP算法局限性分析第42-43页
    4.2 改进的GA-BP算法第43-46页
        4.2.1 AGA-BP算法第43-45页
        4.2.2 JG-GA-BP算法和JG-AGA-BP算法第45-46页
    4.3 本章小结第46-48页
第5章 基于跳跃基因的GA-BP算法实验仿真第48-63页
    5.1 数值仿真第48-53页
        5.1.1 随机数数据集介绍第48-49页
        5.1.2 基于GA-BP算法的实验设计第49-51页
        5.1.3 基于AGA-BP算法的实验设计第51页
        5.1.4 基于JG-GA-BP算法的实验设计第51页
        5.1.5 基于JG-AGA-BP算法的实验设计第51-53页
    5.2 iris数据集实验仿真第53-55页
        5.2.1 iris数据集第53页
        5.2.2 基于GA-BP算法的实验设计第53-54页
        5.2.3 基于改进GA-BP算法的实验设计第54-55页
    5.3 wine数据集实验仿真第55-58页
        5.3.1 wine数据集介绍第55-56页
        5.3.2 基于GA-BP算法的实验设计第56页
        5.3.3 基于改进GA-BP算法的实验设计第56-58页
    5.4 鲍鱼数据集实验仿真第58-61页
        5.4.1 鲍鱼数据集介绍第58-59页
        5.4.2 基于GA-BP算法的实验设计第59页
        5.4.3 基于改进GA-BP算法的实验设计第59-61页
    5.5 结果对比第61-62页
    5.6 本章小结第62-63页
结论第63-65页
致谢第65-66页
参考文献第66-71页
作者简介第71页
攻读硕士期间发表的论文和科研成果第71-72页

论文共72页,点击 下载论文
上一篇:PM2.5中主要水溶性无机离子的电化学传感器研究
下一篇:高空间分辨率短波红外信息采集关键技术研究