BP神经网络的算法改进与应用研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·课题的研究背景 | 第7页 |
| ·BP 神经网络研究的历史和现状 | 第7-9页 |
| ·本文的研究内容 | 第9-11页 |
| 2 人工神经网络理论基础 | 第11-20页 |
| ·人工神经网络的生物学基础 | 第11-12页 |
| ·人工神经网络模型 | 第12-17页 |
| ·人工神经元模型 | 第13-15页 |
| ·人工神经网络模型 | 第15-17页 |
| ·神经网络的分类 | 第17页 |
| ·神经网络的学习规则 | 第17-18页 |
| ·神经网络的基本特征及优点 | 第18-19页 |
| ·神经网络的基本特征 | 第18-19页 |
| ·神经网络的优点 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 BP 神经网络 | 第20-30页 |
| ·BP 神经网络的拓扑结构 | 第20-21页 |
| ·BP 神经网络的学习算法 | 第21-24页 |
| ·BP 算法原理 | 第21-22页 |
| ·BP 算法数学描述 | 第22-24页 |
| ·BP 算法实现步骤 | 第24-25页 |
| ·BP 算法的主要缺点 | 第25-26页 |
| ·BP 算法的主要改进措施 | 第26-29页 |
| ·自适应学习速率法 | 第26-27页 |
| ·改进激励函数法 | 第27页 |
| ·改进误差函数法 | 第27-28页 |
| ·改进优化算法 | 第28页 |
| ·优化网络结构 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 基于放大误差信号的改进 BP 算法 | 第30-35页 |
| ·自适应误差信号的构造 | 第30-31页 |
| ·收敛性分析 | 第31-32页 |
| ·收敛速度分析 | 第31-32页 |
| ·克服局部极小分析 | 第32页 |
| ·改进算法的仿真与应用 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 5 基于自适应学习率的改进 BP 算法 | 第35-38页 |
| ·自适应调节学习率 | 第35页 |
| ·改进算法的仿真与应用 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 6 总结和展望 | 第38-39页 |
| ·本文的主要研究工作总结 | 第38页 |
| ·进一步的研究和展望 | 第38-39页 |
| 致谢 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 附录 | 第43页 |
| 作者在攻读硕士学位期间发表的论文目录 | 第43页 |
