| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景 | 第10-18页 |
| ·国内外研究现状 | 第11-15页 |
| ·研究内容 | 第15-16页 |
| ·组织结构 | 第16-18页 |
| 第2章 BP神经网络基础 | 第18-28页 |
| ·人工神经元模型 | 第18-26页 |
| ·人工神经元 | 第18-19页 |
| ·常用激活函数 | 第19-20页 |
| ·神经网络模型 | 第20-21页 |
| ·BP神经网络工作方式 | 第21-24页 |
| ·BP算法局限性分析 | 第24-25页 |
| ·BP算法内部改进 | 第25-26页 |
| ·归一化处理 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 基于遗传算法和AHP算法的BP网络改进 | 第28-40页 |
| ·基于遗传算法的BP网络改进 | 第28-34页 |
| ·遗传算法基本原理 | 第28-31页 |
| ·基于遗传算法优化神经网络权值的混合算法 | 第31-34页 |
| ·基于AHP(层次分析法)的BP网络改进 | 第34-39页 |
| ·AHP算法简介 | 第34-36页 |
| ·遗传算法和AHP算法的适用性对比 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于改进蚁群算法的BP算法改进 | 第40-50页 |
| ·蚁群算法 | 第40-42页 |
| ·蚁群算法基本原理 | 第40-42页 |
| ·基于蚁群算法优化神经网络权值 | 第42-48页 |
| ·基于蚁群系统的BP网络融合算法 | 第42-47页 |
| ·基于最大-最小蚂蚁系统的自适应蚁群算法改进 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 遗传、AHP、蚁群融合算法改进BP网络在保障性评估方面的应用 | 第50-64页 |
| ·装备保障性工程指标介绍 | 第50-51页 |
| ·基于BP网络的保障性指标评估技术——函数拟合 | 第51页 |
| ·基于AHP、遗传、蚁群融合算法的BP改进混合算法的基本思想 | 第51-59页 |
| ·AHP算法设计与实现 | 第54-56页 |
| ·遗传算法设计与实现 | 第56-58页 |
| ·蚁群算法设计与实现 | 第58-59页 |
| ·实例分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 实验设计及算法性能分析 | 第64-70页 |
| ·效率性及鲁棒性分析 | 第64-68页 |
| ·本章小结 | 第68-70页 |
| 第7章 结束语 | 第70-72页 |
| ·本文工作总结 | 第70-71页 |
| ·未来工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 发表论文情况 | 第78页 |