小波神经网络与BP网络的比较研究及应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 引言 | 第8-14页 |
| ·选题背景及依据 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的研究内容及思路 | 第12-13页 |
| ·研究难点及创新点 | 第13-14页 |
| 第2章 BP神经网络和小波网络概述 | 第14-35页 |
| ·人工神经网络(ANN) | 第14-20页 |
| ·人工神经元及其特性 | 第15-17页 |
| ·人工神经网络模型 | 第17-18页 |
| ·前馈网络的学习方式及学习规则 | 第18-20页 |
| ·多层前馈神经网络(BP)模型 | 第20-26页 |
| ·BP网络模型特点 | 第20-21页 |
| ·BP网络学习算法 | 第21-23页 |
| ·网络的训练过程 | 第23页 |
| ·BP算法的改进 | 第23-25页 |
| ·网络的设计 | 第25-26页 |
| ·小波神经网络及其特点 | 第26-35页 |
| ·小波分析简介 | 第26-31页 |
| ·小波神经网络的提出 | 第31-32页 |
| ·小波神经网络算法 | 第32-33页 |
| ·小波函数的选择 | 第33-34页 |
| ·小波网络面临的挑战 | 第34-35页 |
| 第3章 小波网络和BP网络的比较研究 | 第35-54页 |
| ·两种网络的实证比较 | 第35-38页 |
| ·背景介绍 | 第35-37页 |
| ·实验结果对比分析 | 第37-38页 |
| ·小结 | 第38页 |
| ·两种网络收敛性能的比较研究 | 第38-46页 |
| ·两种网络的学习特性 | 第39-40页 |
| ·两种网络收敛性能的比较分析 | 第40-46页 |
| ·两种网络泛化性能的比较研究 | 第46-54页 |
| ·产生“泛化”的原因 | 第47-49页 |
| ·小波网络的泛化性能分析 | 第49-51页 |
| ·训练中新样本对原有样本影响的探讨 | 第51-54页 |
| 第4章 小波神经网络在预测中的应用 | 第54-61页 |
| ·神经网络预测要点 | 第54-56页 |
| ·小波神经网络预测原理 | 第54-55页 |
| ·小波神经网络预测建模方法 | 第55-56页 |
| ·小波神经网络的实际应用 | 第56-61页 |
| ·边坡稳定性预测背景 | 第57-58页 |
| ·边坡稳定性的神经网络预测 | 第58-61页 |
| 结论 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录1 小波神经网络源程序 | 第67-71页 |
| 附录2 研究生阶段科研成果 | 第71页 |
