基于多表达式编程的神经网络自动优化方法及其应用研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-13页 |
| ·引言 | 第10-11页 |
| ·研究背景 | 第11-12页 |
| ·论文内容安排 | 第12-13页 |
| 第二章 神经网络及其理论基础 | 第13-21页 |
| ·概述 | 第13-14页 |
| ·神经网络的特点 | 第14-16页 |
| ·神经网络的基本理论 | 第16-19页 |
| ·神经元模型 | 第16-17页 |
| ·神经网络的结构 | 第17-18页 |
| ·神经网络的学习算法 | 第18-19页 |
| ·神经网络的设计 | 第19-21页 |
| 第三章 多表达式编程算法及其理论基础 | 第21-36页 |
| ·遗传编程技术 | 第21-26页 |
| ·进化算法 | 第21-22页 |
| ·遗传编程 | 第22-26页 |
| ·多表达式编程技术 | 第26-30页 |
| ·多表达式编程技术的概述 | 第26-27页 |
| ·多表达式编程的基本原理 | 第27-30页 |
| ·多表达式编程与GP、GEP 的比较 | 第30-31页 |
| ·改进的多表达式编程技术 | 第31-32页 |
| ·基于多表达式编程技术的汇率预测 | 第32-36页 |
| ·汇率预测问题 | 第32-33页 |
| ·MEP 汇率预测的实验结果及分析 | 第33-36页 |
| 第四章 基于多表达式编程的神经网络自动优化 | 第36-52页 |
| ·进化算法优化神经网络 | 第36-38页 |
| ·直接编码 | 第36-37页 |
| ·发展编码 | 第37-38页 |
| ·神经树的基本理论 | 第38-45页 |
| ·神经树的编码和表示 | 第39-41页 |
| ·适应值函数 | 第41-43页 |
| ·神经树的进化算法 | 第43-45页 |
| ·基于多表达式编程的神经网络自动优化 | 第45-52页 |
| ·MEP-NN 的编码和表示 | 第46-48页 |
| ·MEP-NN 的初始化 | 第48页 |
| ·MEP-NN 的进化操作 | 第48-51页 |
| ·MEP-NN 的特征选择特性 | 第51-52页 |
| 第五章 基于免疫编程的多表达式编程神经网络 | 第52-66页 |
| ·免疫编程的基本思想 | 第52-53页 |
| ·多表达式编程神经网络的进化过程 | 第53-54页 |
| ·经济数据预测仿真实验 | 第54-60页 |
| ·股票指数预测 | 第54-58页 |
| ·汇率预测 | 第58-60页 |
| ·分类预测仿真实验 | 第60-66页 |
| ·桥梁故障诊断 | 第60-63页 |
| ·基因微阵列数据分类 | 第63-66页 |
| 第六章 基于集成学习的多表达式编程神经网络 | 第66-71页 |
| ·集成学习的基本原理 | 第66-69页 |
| ·个体生成方法 | 第67-68页 |
| ·集成合成方法 | 第68-69页 |
| ·基于集成技术的分类仿真实验 | 第69-71页 |
| 第七章 总结和展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士期间发表论文目录 | 第79页 |
