基于RBF神经网络的工业过程建模与优化研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究的背景和意义 | 第11页 |
| ·工业过程优化问题概述 | 第11-12页 |
| ·神经网络概述 | 第12-14页 |
| ·神经网络的发展 | 第13-14页 |
| ·径向基神经网络发展简史 | 第14页 |
| ·蚁群算法研究进展 | 第14-15页 |
| ·课题来源及研究内容 | 第15-17页 |
| ·课题来源 | 第15页 |
| ·本文主要工作 | 第15-17页 |
| 第2章 径向基神经网络 | 第17-31页 |
| ·前馈式神经网络 | 第17页 |
| ·RBF 神经网络基本原理 | 第17-21页 |
| ·RBF 神经网络数学基础 | 第17-20页 |
| ·RBF 神经网络的数学模型 | 第20-21页 |
| ·RBF 神经网络的学习算法 | 第21-25页 |
| ·聚类方法 | 第22-24页 |
| ·梯度下降法 | 第24-25页 |
| ·正交最小二乘学习算法 | 第25页 |
| ·改进的RBF 学习算法 | 第25-30页 |
| ·算法实现 | 第26-28页 |
| ·仿真研究 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 混合蚁群优化算法 | 第31-45页 |
| ·模拟退火算法 | 第31-32页 |
| ·蚁群算法的研究现状 | 第32-35页 |
| ·目前主要的蚁群优化算法 | 第32-33页 |
| ·蚁群算法的特点 | 第33-35页 |
| ·基本蚁群优化算法 | 第35-38页 |
| ·算法的模型与实现 | 第35-38页 |
| ·几种主要的改进蚁群算法 | 第38-40页 |
| ·蚁群系统 | 第38-39页 |
| ·最大-最小蚂蚁系统 | 第39-40页 |
| ·混合蚁群优化算法 | 第40-44页 |
| ·蚁群算法的调和改进原理 | 第40页 |
| ·混合蚁群优化算法的实现 | 第40-42页 |
| ·仿真实验 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 异丙苯氧化过程建模与优化 | 第45-53页 |
| ·异丙苯氧化系统生产过程分析 | 第45-46页 |
| ·异丙苯氧化过程建模与仿真 | 第46-51页 |
| ·异丙苯氧化过程分析 | 第46-47页 |
| ·系统建模的基本问题 | 第47-48页 |
| ·数据的收集与处理 | 第48-49页 |
| ·模型建立与仿真结果分析 | 第49-51页 |
| ·混合蚁群算法的优化结果分析 | 第51页 |
| ·本章小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
