基于FPS0优化的BP神经网络算法研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 论文研究背景及意义 | 第7-8页 |
| 1.2 国内外研究动态 | 第8-10页 |
| 1.3 本文的组织结构和论文安排 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 BP神经网络模型 | 第12-18页 |
| 2.1 BP神经网络结构 | 第12页 |
| 2.2 BP神经网络原理 | 第12-14页 |
| 2.3 BP神经网络实现步骤 | 第14页 |
| 2.4 BP神经网络的缺点 | 第14-16页 |
| 2.5 本章小结 | 第16-18页 |
| 第三章 粒子群优化的BP神经网络 | 第18-24页 |
| 3.1 粒子群优化算法 | 第18页 |
| 3.2 传统粒子群算法 | 第18-20页 |
| 3.3 改进的粒子群算法 | 第20-21页 |
| 3.4 算法参数的选取 | 第21-22页 |
| 3.5 PSO-BP算法的基本步骤和流程 | 第22-23页 |
| 3.6 粒子群优化BP神经网络的缺点 | 第23页 |
| 3.7 本章小结 | 第23-24页 |
| 第四章 分数阶粒子群优化BP神经网络及应用 | 第24-35页 |
| 4.1 分数阶微积分的定义形式 | 第24-27页 |
| 4.2 分数阶微积分的优点 | 第27-28页 |
| 4.3 分数阶粒子群优化BP神经网络的方法 | 第28-29页 |
| 4.4 分数阶粒子群优化BP算法的流程 | 第29-30页 |
| 4.5 FPSO-BP算法在环境监测中的应用 | 第30-34页 |
| 4.6 本章小结 | 第34-35页 |
| 第五章 FPSO-BP神经网络在图像复原的应用 | 第35-49页 |
| 5.1 图像退化模型 | 第35-38页 |
| 5.2 传统图像复原算法 | 第38-39页 |
| 5.3 图像复原的评价方法 | 第39-42页 |
| 5.4 FPSO-BP算法复原退化图像的实现 | 第42-43页 |
| 5.5 实验仿真和分析 | 第43-48页 |
| 5.6 本章小结 | 第48-49页 |
| 第六章 总结和展望 | 第49-51页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 个人简介 | 第56页 |
