| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-25页 |
| ·本文研究背景及意义 | 第14页 |
| ·神经网络研究背景及存在的不足 | 第14-16页 |
| ·进化计算 | 第16-22页 |
| ·进化计算概述 | 第16-18页 |
| ·遗传算法 | 第18-20页 |
| ·粒子群算法 | 第20-22页 |
| ·进化计算与经典优化算法的区别 | 第22页 |
| ·进化计算与神经网络的结合 | 第22-23页 |
| ·本文的主要研究内容 | 第23-25页 |
| 2 基于BP算子粒子群的神经网络权值学习方法的研究 | 第25-43页 |
| ·引言 | 第25-27页 |
| ·前馈神经网络数学基础 | 第27-29页 |
| ·粒子群优化算法 | 第29-32页 |
| ·基本粒子群优化算法 | 第29-30页 |
| ·全局最优PSO | 第30-31页 |
| ·局部最优PSO | 第31-32页 |
| ·粒子群算法的基本变体 | 第32-34页 |
| ·速度钳制的粒子群算法 | 第32-33页 |
| ·带惯性权重的粒子群算法 | 第33页 |
| ·带收缩系数的粒子群算法 | 第33-34页 |
| ·基本粒子群优化的参数 | 第34-35页 |
| ·基于BP算子的粒子群优化网络权值学习方法 | 第35-38页 |
| ·算法的引入 | 第35-36页 |
| ·基于BP算子的粒子群搜索方法描述 | 第36页 |
| ·基于BP算子的粒子群搜索方法说明 | 第36-38页 |
| ·基于BP算子的粒子群搜索方法特点 | 第38页 |
| ·实验算例 | 第38-41页 |
| ·三输入XOR问题 | 第38-40页 |
| ·静态函数逼近问题 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 3 混合进化计算优化前向网络结构与权值调整方法 | 第43-76页 |
| ·引言 | 第43-44页 |
| ·常规遗传算法 | 第44-47页 |
| ·改进混合遗传算法(IHGA) | 第47-65页 |
| ·改进遗传算法(IGA) | 第47-50页 |
| ·改进的粒子群算法 | 第50-51页 |
| ·改进混合遗传算法描述 | 第51页 |
| ·改进混合遗传算法的特点 | 第51-52页 |
| ·改进混合遗传算法收敛性证明 | 第52-56页 |
| ·数值实验与结果 | 第56-65页 |
| ·基于IHGA方法的前向网络结构与权值调整方法 | 第65-68页 |
| ·带连接开关的神经网络 | 第65-67页 |
| ·IHGA算法用于前向网络结构与权值优化设计 | 第67-68页 |
| ·实验算例 | 第68-75页 |
| ·太阳黑子数预测 | 第68-73页 |
| ·三输入异或开关 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 4 粒子群优化径向基神经网络学习方法的研究 | 第76-93页 |
| ·引言 | 第76-78页 |
| ·径向基函数神经网络(RBF) | 第78-83页 |
| ·径向基函数神经网络原理 | 第78-79页 |
| ·径向基函数神经网络的常用学习算法 | 第79页 |
| ·正则化正交最小二乘法 | 第79-81页 |
| ·正则化正交最小二乘法与D-最优试验设计方法的结合 | 第81-83页 |
| ·基于粒子群算法的RBF网络学习方法的引入 | 第83页 |
| ·改进的粒子群算法(IPSO) | 第83-86页 |
| ·算法引入 | 第83页 |
| ·双极值更新策略 | 第83-85页 |
| ·IPSO与GA、PSO性能实验比较 | 第85-86页 |
| ·基于改进粒子群算法的RBF网络设计方法 | 第86-88页 |
| ·RBF网络设计方法的基本思想 | 第87-88页 |
| ·基于改进PSO优化的RBF网络学习方法适应度函数的选取 | 第88页 |
| ·基于PSO的RBF网络学习方法的计算复杂度 | 第88页 |
| ·实验算例 | 第88-92页 |
| ·本章小结 | 第92-93页 |
| 5 基于进化计算优化神经网络的木材表面缺陷识别 | 第93-104页 |
| ·引言 | 第93页 |
| ·木材表面缺陷识别的图像处理 | 第93-97页 |
| ·实验样本库的制作 | 第94-95页 |
| ·木材表面缺陷图像处理 | 第95-96页 |
| ·木材表面缺陷原始特征的建立 | 第96-97页 |
| ·木材表面缺陷神经网络建模方法 | 第97-99页 |
| ·木材表面缺陷RBF网络设计方法 | 第98-99页 |
| ·木材表面缺陷前向BP网络设计方法 | 第99页 |
| ·试验结果 | 第99-103页 |
| ·各前向网络设计方法的参数设置 | 第99-100页 |
| ·木材表面缺陷RBF网络模型设计结果 | 第100页 |
| ·木材表面缺陷BP网络模型各设计方法学习结果比较 | 第100-102页 |
| ·木材表面缺陷网络模型各设计方法学习结果比较 | 第102-103页 |
| ·本章小结 | 第103-104页 |
| 结论 | 第104-106页 |
| 参考文献 | 第106-117页 |
| 攻读学位期间发表的学术论文 | 第117-118页 |
| 致谢 | 第118-119页 |
