| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-12页 |
| ·课题研究背景 | 第9页 |
| ·选题依据 | 第9-11页 |
| ·本文的主要工作 | 第11页 |
| ·论文主要内容 | 第11-12页 |
| 第二章 人工神经网络及其误差反向传播学习算法的研究 | 第12-28页 |
| ·前言 | 第12页 |
| ·人工神经网络简介 | 第12-18页 |
| ·人工神经网络的发展 | 第12-13页 |
| ·人工神经元模型及人工神经网络模型 | 第13-16页 |
| ·人工神经网络的学习 | 第16-18页 |
| ·人工神经网络的基本特征 | 第18页 |
| ·基于误差梯度下降的学习算法及其改进 | 第18-25页 |
| ·标准BP算法 | 第19-21页 |
| ·启发式BP算法 | 第21-23页 |
| ·加入数值优化技术的BP算法 | 第23-25页 |
| ·各种快速BP算法的对比仿真研究 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于模拟退火算法的神经网络优化策略 | 第28-37页 |
| ·前言 | 第28页 |
| ·模拟退火算法的基本思想和实现步骤 | 第28-33页 |
| ·物理退火过程和Metropolis准则 | 第28-29页 |
| ·SA的基本思想和实现步骤 | 第29-30页 |
| ·改进的模拟退火算法 | 第30-33页 |
| ·SA和ISA在神经网络参数优化中的应用 | 第33-34页 |
| ·算法参数对优化性能的影响 | 第34-36页 |
| ·算法参数的选取 | 第34-35页 |
| ·退温系数对优化性能的影响 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于自适应递阶遗传算法的神经网络优化策略 | 第37-56页 |
| ·前言 | 第37-38页 |
| ·基本遗传算法及其设计与实现 | 第38-46页 |
| ·基本遗传算法 | 第38-40页 |
| ·遗传算法的设计与实现 | 第40-46页 |
| ·基于递阶结构的遗传算法 | 第46-48页 |
| ·自适应递阶遗传算法在神经网络优化中的应用 | 第48-53页 |
| ·遗传算法与人工神经网络的结合 | 第48-49页 |
| ·递阶遗传结构的设计 | 第49-50页 |
| ·自适应递阶遗传操作的设计 | 第50-53页 |
| ·仿真实例 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 神经网络的混合优化策略研究 | 第56-72页 |
| ·前言 | 第56页 |
| ·混合优化机制与结构 | 第56-58页 |
| ·混合优化机制的提出 | 第56-57页 |
| ·混合优化的结构类型 | 第57-58页 |
| ·BP+SA混合优化策略 | 第58-60页 |
| ·BP+SA的构造出发点 | 第58-59页 |
| ·效率定性分析 | 第59页 |
| ·优化策略设计 | 第59-60页 |
| ·HGA+BP混合优化策略 | 第60-62页 |
| ·HGA+BP的构造出发点 | 第60页 |
| ·效率定性分析 | 第60-61页 |
| ·优化策略设计 | 第61-62页 |
| ·混合优化策略在混沌时间序列预测中的应用 | 第62-71页 |
| ·混沌时间序列与Mackey-Glass模型 | 第62-64页 |
| ·混合优化策略在混沌时序预测中的对比研究 | 第64-70页 |
| ·结果分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结和展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表／录用的学术论文目录 | 第77页 |