BP神经网络和ELM算法研究
| 致谢 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-12页 |
| 图清单 | 第12页 |
| 表清单 | 第12-13页 |
| 1 绪论 | 第13-18页 |
| ·人工神经网络概述 | 第13-14页 |
| ·ELM算法概述 | 第14-17页 |
| ·主要研究内容 | 第17-18页 |
| 2 并行超松弛BP神经网络 | 第18-31页 |
| ·引言 | 第18页 |
| ·Hilbert空间上的BP神经网络 | 第18-22页 |
| ·Hilbert超松弛BP算法 | 第22-23页 |
| ·Hilbert并行超松弛BP算法步骤 | 第23-28页 |
| ·Hilbert并行超松弛BP算法步骤 | 第23-24页 |
| ·Hilbert并行超松弛BP算法收敛性证明 | 第24-28页 |
| ·数值实验 | 第28-29页 |
| ·总结 | 第29-31页 |
| 3 带有遗忘机制的在线序列ELM算法 | 第31-47页 |
| ·引言 | 第31-32页 |
| ·集成的在线序列ELM算法 | 第32-33页 |
| ·带有遗忘机制的在线ELM算法(FOS-ELM) | 第33-39页 |
| ·数值实验 | 第39-46页 |
| ·总结 | 第46-47页 |
| 4 移动加权ELM算法 | 第47-56页 |
| ·引言 | 第47-48页 |
| ·权函数的选择 | 第48-49页 |
| ·权函数的选择 | 第48-49页 |
| ·权函数的性质 | 第49页 |
| ·移动加权ELM算法 | 第49-51页 |
| ·移动最小二乘法简介 | 第49-51页 |
| ·简化的移动加权ELM算法 | 第51页 |
| ·数值实验 | 第51-55页 |
| ·总结 | 第55-56页 |
| 5 整体对称ELM算法 | 第56-64页 |
| ·引言 | 第56-57页 |
| ·整体对称ELM算法 | 第57-60页 |
| ·整体对称ELM原理分析 | 第57-59页 |
| ·正则化的整体对称ELM算法 | 第59-60页 |
| ·数值实验 | 第60-62页 |
| ·总结 | 第62-64页 |
| 6 结论与展望 | 第64-65页 |
| ·研究总结 | 第64页 |
| ·进一步需要开展的工作 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简历 | 第69页 |
