人工免疫系统在复杂系统免疫辨识中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 1 绪论 | 第11-15页 |
| ·系统辨识的研究背景及意义 | 第11页 |
| ·人工免疫系统的研究及发展现状 | 第11-13页 |
| ·本论文的主要工作及结构安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 2 人工免疫系统的基本理论 | 第15-35页 |
| ·引言 | 第15页 |
| ·免疫学基本概念 | 第15-16页 |
| ·生物免疫系统原理 | 第16-20页 |
| ·生物免疫系统的组成 | 第17-18页 |
| ·生物免疫系统特点 | 第18-19页 |
| ·人工免疫系统仿生机理 | 第19-20页 |
| ·人工免疫系统的研究内容和范围 | 第20-22页 |
| ·免疫算法 | 第22-29页 |
| ·免疫算法原理及特点 | 第23-24页 |
| ·基本免疫算法框架 | 第24-26页 |
| ·遗传算法中的亲和力计算方法 | 第26-27页 |
| ·结合强度的计算 | 第27页 |
| ·多样化 | 第27-28页 |
| ·抗体抑制和促进 | 第28页 |
| ·抗体抗原编码方式 | 第28-29页 |
| ·克隆选择算法及其改进 | 第29-34页 |
| ·克隆选择算法 | 第29-30页 |
| ·克隆选择算法的改进 | 第30-32页 |
| ·改进的克隆选择算法框架 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 3 系统辨识的基本理论 | 第35-46页 |
| ·系统辨识的定义 | 第35页 |
| ·系统辨识的基本步骤 | 第35-37页 |
| ·实验设计 | 第35-36页 |
| ·模型结构 | 第36页 |
| ·参数估计 | 第36-37页 |
| ·模型适用性检验 | 第37页 |
| ·系统辨识的基本方法 | 第37-44页 |
| ·古典辨识方法 | 第37-40页 |
| ·现代辨识方法 | 第40页 |
| ·仿真研究 | 第40-44页 |
| ·其他辨识方法 | 第44页 |
| ·本章小结 | 第44-46页 |
| 4 基于神经网络的系统辨识 | 第46-62页 |
| ·引言 | 第46页 |
| ·人工神经元网络的研究背景 | 第46-47页 |
| ·人工神经元网络的基本概念和特征 | 第47页 |
| ·人工神经元网络模型 | 第47-49页 |
| ·人工神经元模型 | 第47-48页 |
| ·人工神经元网络模型 | 第48-49页 |
| ·多层前向神经网络 | 第49-53页 |
| ·网络结构 | 第49页 |
| ·训练算法 | 第49-53页 |
| ·基于神经网络的系统辨识 | 第53-61页 |
| ·神经网络建模的理论依据 | 第53-54页 |
| ·仿真研究 | 第54-60页 |
| ·神经网络辨识中存在的问题 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 5 基于混合免疫算法优化的神经网络辨识 | 第62-77页 |
| ·引言 | 第62页 |
| ·人工神经网络的优化 | 第62-64页 |
| ·问题的提出 | 第62-63页 |
| ·ANN 的优化内容 | 第63-64页 |
| ·基于混合免疫算法的ANN 优化设计 | 第64-71页 |
| ·B 细胞编码 | 第64-67页 |
| ·个体初始化 | 第67页 |
| ·克隆选择算子的构造 | 第67-68页 |
| ·BP 算子的构造 | 第68-69页 |
| ·优化算法框架 | 第69-71页 |
| ·基于混合免疫神经网络的系统辨识 | 第71-76页 |
| ·辨识对象研究背景 | 第71-72页 |
| ·辨识对象原理分析 | 第72页 |
| ·辨识数据采样 | 第72-73页 |
| ·神经网络模型结构的选取 | 第73-74页 |
| ·神经网络的优化训练 | 第74页 |
| ·仿真辨识结果 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 参考文献 | 第79-86页 |
| 攻读学位期间发表的论文 | 第86-87页 |
| 致谢 | 第87页 |
