基于混合智能学习法神经网络理论及其应用的研究
| 1 绪论 | 第1-12页 |
| ·选题依据 | 第6-7页 |
| ·人工神经网络的发展和应用现状 | 第7-9页 |
| ·人工神经网络的发展史 | 第7-8页 |
| ·人工神经网络的应用现状 | 第8-9页 |
| ·GA算法的发展和应用现状 | 第9-11页 |
| ·GA算法的发展史 | 第9-10页 |
| ·GA算法的应用现状 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| 2 HI算法的理论基础 | 第12-31页 |
| ·GA算法 | 第12-15页 |
| ·简介 | 第12页 |
| ·GA算法的基本概念 | 第12-13页 |
| ·GA算法的运算过程 | 第13-14页 |
| ·GA算法的特点 | 第14-15页 |
| ·GA算法的理论基础 | 第15页 |
| ·基本遗传算法 | 第15-20页 |
| ·基本遗传算法描述 | 第15-17页 |
| ·基本遗传算法的构成要素 | 第16页 |
| ·基本遗传算法的形式化定义 | 第16-17页 |
| ·基本遗传算法的实现 | 第17-20页 |
| ·个体适应度评价 | 第17-18页 |
| ·选择算子 | 第18-19页 |
| ·单点交叉算子 | 第19页 |
| ·基本位变异算子 | 第19-20页 |
| ·基本遗传算法的应用步骤 | 第20页 |
| ·人工神经网络 | 第20-25页 |
| ·人工神经元 | 第21-23页 |
| ·人工神经元模型 | 第21页 |
| ·激活函数 | 第21-22页 |
| ·人工神经元的特点 | 第22-23页 |
| ·人工神经网络的结构与特征 | 第23-24页 |
| ·人工神经网络的学习规则 | 第24-25页 |
| ·BP神经网络 | 第25-30页 |
| ·BP神经网络的拓朴结构 | 第25页 |
| ·BP算法 | 第25-28页 |
| ·BP神经网络的学习过程 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 混合智能学习法神经网络的设计 | 第31-42页 |
| ·GA神经网络的设计 | 第31-37页 |
| ·遗传学习法 | 第31-32页 |
| ·BP神经网络的固有缺陷 | 第31页 |
| ·遗传学习法的提出 | 第31-32页 |
| ·GA神经网络的拓朴结构 | 第32页 |
| ·GA算法的设计 | 第32-36页 |
| ·编码方案 | 第32-33页 |
| ·适应度函数的确定 | 第33-34页 |
| ·遗传操作 | 第34-35页 |
| ·自适应因子 | 第35-36页 |
| ·GA神经网络的学习过程 | 第36-37页 |
| ·HI神经网络的设计 | 第37-41页 |
| ·HI算法的提出 | 第37-38页 |
| ·HI神经网络的拓朴结构 | 第38页 |
| ·HI算法设计 | 第38-40页 |
| ·HI算法描述 | 第38-39页 |
| ·GA算法设计 | 第39页 |
| ·BP算子 | 第39-40页 |
| ·HI神经网络的学习过程 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 实验结果分析 | 第42-62页 |
| ·软件设计介绍 | 第42-43页 |
| ·异或问题 | 第43-54页 |
| ·问题描述 | 第43页 |
| ·用BP神经网络解决异或问题的实验结果 | 第43-45页 |
| ·用GA神经网络解决异或问题的实验结果 | 第45-49页 |
| ·用HI神经网络解决异或问题的实验结果 | 第49-52页 |
| ·三种方法的纵向对比 | 第52-54页 |
| ·多维函数拟合问题 | 第54-58页 |
| ·问题描述 | 第54-55页 |
| ·BP神经网络进行多维函数拟合的实验结果 | 第55-56页 |
| ·GA神经网络进行多维函数拟合的实验结果 | 第56页 |
| ·HI神经网络进行多维函数拟合的实验结果 | 第56-57页 |
| ·纵向对比 | 第57-58页 |
| ·HI神经网络在地震勘探中的应用 | 第58-61页 |
| ·高分辨率地震勘探简介 | 第58-59页 |
| ·HI神经网络进行高分辨率地震资料解释 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 5 结论和认识 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
