基于进化计算的过程神经网络算法及其应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-17页 |
| ·课题背景和意义 | 第8-9页 |
| ·过程神经网络 | 第9-11页 |
| ·神经网络 | 第9-10页 |
| ·过程神经网络 | 第10-11页 |
| ·进化计算 | 第11-15页 |
| ·进化计算 | 第11-13页 |
| ·遗传算法 | 第13-15页 |
| ·神经网络与进化计算的结合 | 第15-16页 |
| ·本论文主要研究内容 | 第16-17页 |
| 第2章 过程神经网络 | 第17-31页 |
| ·过程神经元 | 第17-19页 |
| ·过程神经网络 | 第19-24页 |
| ·前馈过程神经网络模型 | 第19-21页 |
| ·权函数展开的过程神经网络模型 | 第21-22页 |
| ·多聚合过程神经网络 | 第22-24页 |
| ·过程神经网络学习算法 | 第24-30页 |
| ·基于梯度下降的学习算法 | 第24-26页 |
| ·基于正交基展开的学习算法 | 第26-28页 |
| ·仿真实验 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 过程神经网络应用研究 | 第31-43页 |
| ·直升机自转着陆过程中的旋翼转速问题 | 第31-35页 |
| ·旋翼自转 | 第31-32页 |
| ·实验数据来源 | 第32-35页 |
| ·傅里叶正交基 | 第35-36页 |
| ·基于改进BP 算法的过程神经网络应用研究 | 第36-42页 |
| ·有动量的梯度下降BP 算法 | 第37-40页 |
| ·有动量和自适应学习率的梯度下降BP 算法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于遗传算法的过程神经网络应用研究 | 第43-56页 |
| ·遗传算法的理论基础及运算流程 | 第43-46页 |
| ·遗传算法的理论基础 | 第44-45页 |
| ·遗传算法的运算流程 | 第45-46页 |
| ·遗传算法设计 | 第46-53页 |
| ·编码方案与初始群体设计 | 第46-49页 |
| ·遗传算子 | 第49-51页 |
| ·适应度函数 | 第51-52页 |
| ·控制参数 | 第52-53页 |
| ·基于遗传算法的过程神经网络应用分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |
