多层前向神经网络的理论研究与优化
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 前言 | 第8-10页 |
| ·多层前向网络的研究现状 | 第8-9页 |
| ·本文主要研究内容 | 第9-10页 |
| 第2章 前向神经网络的学习方法分析与研究 | 第10-17页 |
| ·理论基础 | 第10-13页 |
| ·梯度下降法 | 第10-11页 |
| ·批量学习和增量学习 | 第11-12页 |
| ·惯性校正法 | 第12-13页 |
| ·仿真试验与结果分析 | 第13-15页 |
| ·岩性分类 | 第13-14页 |
| ·字母识别 | 第14-15页 |
| ·结果分析 | 第15-17页 |
| 第3章 组合RBF 神经网络理论 | 第17-31页 |
| ·预备知识 | 第17-21页 |
| ·小波变换的原理 | 第17-18页 |
| ·Matlab 小波函数工具箱 | 第18-19页 |
| ·模糊聚类 | 第19-21页 |
| ·RBF 神经网络 | 第21-28页 |
| ·RBF 神经网络模型 | 第21-27页 |
| ·构造型RBF 网络学习算法 | 第27-28页 |
| ·组合RBF 神经网络 | 第28-31页 |
| ·组合RBF 神经网络的工作原理 | 第29-31页 |
| 第4章 组合RBF 神经网络的应用 | 第31-46页 |
| ·样品来源 | 第31-33页 |
| ·实验仪器与光谱测量条件 | 第31页 |
| ·浮游植物培养 | 第31-32页 |
| ·数据预处理 | 第32-33页 |
| ·组合RBF 网络的实现 | 第33-38页 |
| ·小波压缩 | 第33-34页 |
| ·剔除离群样 | 第34-35页 |
| ·归一化 | 第35-36页 |
| ·第二、三级分类器 | 第36-38页 |
| ·结果与分析 | 第38-42页 |
| ·网络训练结果 | 第38-40页 |
| ·网络测试结果 | 第40-42页 |
| ·系统可视化设计 | 第42-46页 |
| ·数据预处理演示系统 | 第43-44页 |
| ·物种识别检验系统 | 第44-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50-51页 |
| 作者论文发表情况 | 第51页 |
