基于PSO算法的神经网络优化研究及应用
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第8-15页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状及发展 | 第9-13页 |
| ·RBF 神经网络的发展及研究现状 | 第9-11页 |
| ·SOM 神经网络的发展及研究现状 | 第11-12页 |
| ·PSO 算法的发展及研究现状 | 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2章 微粒群算法 | 第15-20页 |
| ·基本微粒群算法 | 第15-17页 |
| ·基本原理 | 第15-16页 |
| ·算法流程 | 第16页 |
| ·算法特点 | 第16-17页 |
| ·标准微粒群算法 | 第17-19页 |
| ·惯性权重的引入 | 第17-18页 |
| ·参数设置分析 | 第18-19页 |
| ·与其他进化算法的比较 | 第19-20页 |
| 第3章 基于 PSO 算法的径向基神经网络 | 第20-32页 |
| ·RBF 神经网络模型 | 第20-22页 |
| ·RBF 神经元模型 | 第20-21页 |
| ·RBF 网络结构 | 第21-22页 |
| ·RBF 神经网络的主要学习算法 | 第22-26页 |
| ·中心的监督学习算法 | 第22-23页 |
| ·中心的非监督学习算法 | 第23-26页 |
| ·基于PSO 算法的 RBF 神经网络 | 第26-31页 |
| ·P-RBF 算法思想 | 第26-27页 |
| ·P-RBF 算法流程 | 第27-28页 |
| ·实验分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于 PSO 算法的自组织映射神经网络 | 第32-39页 |
| ·SOM 神经网络模型 | 第32页 |
| ·SOM 神经网络的学习算法 | 第32-33页 |
| ·几种典型的改进算法 | 第33-36页 |
| ·模糊Kohonen 聚类网络 | 第33-34页 |
| ·学习向量量化神经网络 | 第34-35页 |
| ·树形动态自组织映射模型 | 第35-36页 |
| ·基于PSO 算法的 SOM 神经网络 | 第36-38页 |
| ·P-SOM 算法思想 | 第36页 |
| ·P-SOM 算法流程 | 第36-37页 |
| ·网络质量评价 | 第37-38页 |
| ·实验分析 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第5章 SOM 神经网络在流形学习中的应用 | 第39-46页 |
| ·流形学习 | 第39-40页 |
| ·流形学习背景 | 第39-40页 |
| ·数学描述 | 第40页 |
| ·流形学习研究进展 | 第40-42页 |
| ·嵌入方法 | 第40-41页 |
| ·主流形方法 | 第41页 |
| ·核主成分分析方法 | 第41-42页 |
| ·神经网络方法 | 第42页 |
| ·SOM 神经网络在流形学习中的应用 | 第42-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间发表的论文及参与的项目 | 第52页 |
