动态隧道技术在BP网络中的应用与研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·论文的研究背景及选题意义 | 第8-9页 |
| ·国内外现状综述 | 第9-11页 |
| ·论文研究的内容及组织 | 第11-12页 |
| 2 BP 算法及改进 | 第12-20页 |
| ·标准BP 算法 | 第12-15页 |
| ·BP 算法的思想 | 第12页 |
| ·BP 算法的数学描述 | 第12-15页 |
| ·BP 算法的不足 | 第15-16页 |
| ·BP 算法的若干改进 | 第16-19页 |
| ·本章小结 | 第19-20页 |
| 3 动态系统及全局最优化 | 第20-30页 |
| ·动态系统 | 第20-23页 |
| ·动态系统的定义 | 第20-21页 |
| ·状态空间 | 第21页 |
| ·Lipschitz 条件 | 第21-22页 |
| ·平衡状态的稳定性 | 第22页 |
| ·Lyapunov 定理 | 第22-23页 |
| ·全局优化问题的数学模型及动态优化系统 | 第23-25页 |
| ·全局优化问题的数学模型 | 第23-24页 |
| ·全局优化问题中的动态优化系统 | 第24-25页 |
| ·动态隧道算法 | 第25-27页 |
| ·多轨道动态隧道算法 | 第27-29页 |
| ·传统动态隧道算法的缺陷 | 第27页 |
| ·改进动态隧道算法的不稳定性 | 第27-28页 |
| ·多轨道动态隧道算法思想 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 动态隧道技术训练 BP 网络 | 第30-40页 |
| ·训练BP 网络采用的动态系统 | 第30-33页 |
| ·训练BP 网络采用的动态优化系统 | 第30-31页 |
| ·常用的动态隧道系统 | 第31-32页 |
| ·本文训练BP 网络采用的动态隧道系统及积分方法 | 第32-33页 |
| ·动态隧道算法训练BP 网络 | 第33-34页 |
| ·多轨道动态隧道技术训练BP 网络算法 | 第34-39页 |
| ·算法描述 | 第34-35页 |
| ·算法主框图 | 第35-37页 |
| ·算法讨论 | 第37-38页 |
| ·算法复杂度 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 5 实验结果及数据分析 | 第40-46页 |
| ·引言 | 第40页 |
| ·XOR 数据集 | 第40-42页 |
| ·KDD 数据集 | 第42-45页 |
| ·数据集介绍 | 第42-43页 |
| ·算法参数设置 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·医药公司数据集 | 第45页 |
| ·本章小结 | 第45-46页 |
| 6 动态隧道技术训练 BP 网络的并行化 | 第46-55页 |
| ·BP 算法并行策略 | 第46-47页 |
| ·按层分配神经元 | 第46-47页 |
| ·横向分配神经元 | 第47页 |
| ·按训练集分配神经元 | 第47页 |
| ·动态隧道技术训练BP 网络的并行化 | 第47-54页 |
| ·并行环境 | 第47-51页 |
| ·并行体系结构 | 第51页 |
| ·并行算法描述 | 第51-53页 |
| ·数值实验问题描述 | 第53页 |
| ·并行执行时间 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 7 论文的总结 | 第55-57页 |
| ·论文的主要工作 | 第55-56页 |
| ·进一步努力的方向 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-62页 |
| 独创性声明 | 第62页 |
| 学位论文版权使用授权书 | 第62页 |
