| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 网络结构的确定 | 第11-12页 |
| 1.2.2 针对BP神经网络算法收敛速度的改进 | 第12页 |
| 1.2.3 BP神经网络算法易收敛于局部极小点 | 第12-14页 |
| 第二章 PSO粒子群算法 | 第14-17页 |
| 2.1 粒子群算法的提出背景 | 第14-15页 |
| 2.2 粒子群算法的基本原理 | 第15-17页 |
| 第三章 BFO算法 | 第17-22页 |
| 3.1 细菌觅食算法简介 | 第17页 |
| 3.2 BFO算法的基本原理 | 第17-18页 |
| 3.3 BFO算法与其它算法的比较 | 第18-19页 |
| 3.4 BFO算法的改进 | 第19-22页 |
| 3.4.1 BChO算法 | 第19-20页 |
| 3.4.2 BCO算法(蜂群算法) | 第20-22页 |
| 第四章 神经网络算法的模型实例 | 第22-29页 |
| 4.1 准备工作 | 第22-24页 |
| 4.1.1 模型数据的选取 | 第22-23页 |
| 4.1.2 模型预测参数 | 第23页 |
| 4.1.3 数据预处理 | 第23页 |
| 4.1.4 误差评价准则 | 第23-24页 |
| 4.2 BP神经网络模型结构设计及实现 | 第24-25页 |
| 4.2.1 BP神经网络的基本框架 | 第24页 |
| 4.2.2 BP神经网络的实现 | 第24-25页 |
| 4.3 优化BP神经网络模型 | 第25-27页 |
| 4.3.1 BFO菌群优化BP神经网络模型的设定 | 第25-26页 |
| 4.3.2 BFO优化BP神经网络的实现 | 第26-27页 |
| 4.4 PSO优化BP神经网络模型设定及实现 | 第27页 |
| 4.4.1 PSO优化BP神经网络模型的设定 | 第27页 |
| 4.4.2 PSO优化BP神经网络的数据结果 | 第27页 |
| 4.5 三种算法结果比较 | 第27-29页 |
| 第五章 神经网络算法的优缺点分析 | 第29-31页 |
| 5.1 神经网络算法的优点 | 第29页 |
| 5.2 神经网络算法的缺点 | 第29-31页 |
| 第六章 小结 | 第31-32页 |
| 第七章 具有Caputo分数阶导数随机格点系统的渐近行为 | 第32-58页 |
| 7.1 研究背景 | 第32-37页 |
| 7.2 存在性定理 | 第37-39页 |
| 7.2.1 解的存在性定理 | 第37-38页 |
| 7.2.2 解的存在唯一性 | 第38-39页 |
| 7.3 分数随机格点系统 | 第39-43页 |
| 7.3.1 渐近行为 | 第42-43页 |
| 7.4 具有唯一解的格点系统 | 第43-46页 |
| 7.4.1 渐近行为 | 第44-46页 |
| 7.5 存在性定理的证明 | 第46-58页 |
| 7.5.1 定理7.2.3的证明 | 第46-50页 |
| 7.5.2 定理7.2.4的证明 | 第50页 |
| 7.5.3 定理7.2.5的证明 | 第50-53页 |
| 7.5.4 定理7.2.7的证明 | 第53-58页 |
| 参考文献 | 第58-62页 |
| 在学期间科研成果 | 第62-63页 |
| 致谢 | 第63页 |