RBF神经网络集成研究及在个人信用评估中的应用
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·引言 | 第10页 |
| ·神经网络的发展简况 | 第10-12页 |
| ·目前有关神经网络集成研究的主要内容 | 第12页 |
| ·个人信用评估的研究现状 | 第12-13页 |
| ·本文内容组织与安排 | 第13-15页 |
| ·研究内容及创新点 | 第13-14页 |
| ·组织结构 | 第14-15页 |
| 第二章 径向基函数神经网络 | 第15-24页 |
| ·前馈式神经网络 | 第15-16页 |
| ·RBF 网络结构与原理 | 第16-18页 |
| ·RBF 与插值问题 | 第16-17页 |
| ·RBF 网络结构 | 第17-18页 |
| ·RBF 学习算法综述 | 第18-22页 |
| ·聚类方法 | 第18-20页 |
| ·梯度训练方法 | 第20-22页 |
| ·正交最小二乘法((OLS) | 第22页 |
| ·RBF 神经网络的优点及问题 | 第22页 |
| ·RBF 神经网络用于神经网络集成 | 第22-24页 |
| 第三章 神经网络集成 | 第24-32页 |
| ·神经网络集成的定义 | 第24-25页 |
| ·神经网络集成的框架 | 第25页 |
| ·神经网络集成的原理 | 第25-26页 |
| ·构造神经网络集成的方法和相关技术 | 第26-32页 |
| 第四章 基于进化规划的RBF 神经网络集成方法 | 第32-39页 |
| ·神经网络与进化规划结合的必要性 | 第32页 |
| ·进化规划的基本框架 | 第32-34页 |
| ·选择操作 | 第33页 |
| ·变异算子 | 第33页 |
| ·交叉算子 | 第33-34页 |
| ·负相关理论 | 第34-35页 |
| ·基于进化规划的RBF 神经网络集成方法 | 第35-39页 |
| ·RBFNN 的结构和参数的编码 | 第35页 |
| ·适应度函数 | 第35-36页 |
| ·选择机制和替代策略 | 第36页 |
| ·结构突变 | 第36页 |
| ·基于进化规划的神经网络集成步骤 | 第36-39页 |
| 第五章 基于文化算法的神经网络集成 | 第39-44页 |
| ·文化算法的起源 | 第39页 |
| ·文化算法简介 | 第39-41页 |
| ·基于文化算法的神经网络集成 | 第41-44页 |
| ·种群空间的编码与适应度函数 | 第41-42页 |
| ·知识空间结构 | 第42页 |
| ·两大空间之间的通信 | 第42页 |
| ·基于文化算法的集成步骤 | 第42-44页 |
| 第六章 神经网络集成在信用评估中的应用 | 第44-49页 |
| ·数据来源及评估指标 | 第44-45页 |
| ·评估模型系统 | 第45-46页 |
| ·算法流程 | 第46页 |
| ·实验参数设置 | 第46页 |
| ·实验结果对比分析 | 第46-49页 |
| 第七章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 在学期间发表的论文及参加的项目 | 第54-55页 |
| 致谢 | 第55页 |
