遗传算法和人工神经网络的分析与改进
| 第一章 绪论 | 第1-13页 |
| ·人工智能分类及研究背景 | 第8-9页 |
| ·本文主要研究内容 | 第9-10页 |
| ·本课题采用的评价数据和工作平台 | 第10-13页 |
| ·评价数据 | 第10-12页 |
| ·工作平台 | 第12-13页 |
| 第二章 基于多样度的变参数遗传算法 | 第13-27页 |
| ·遗传算法概述 | 第13-15页 |
| ·基本遗传算法(SGA)构成要素 | 第13-14页 |
| ·基本遗传算法形式化定义 | 第14-15页 |
| ·遗传算法弊端分析 | 第15-19页 |
| ·遗传算法弊端分析及参数选择的重要性 | 第15-16页 |
| ·基于种群多样度的分析 | 第16-19页 |
| ·基于种群多样度的变参数遗传算法(VGA) | 第19页 |
| ·仿真结果比较 | 第19-25页 |
| ·测试函数描述及各问题适应度定义 | 第19-22页 |
| ·仿真结果比较 | 第22-25页 |
| ·小结 | 第25-27页 |
| 第三章 神经网络的拓扑优化 | 第27-36页 |
| ·神经网络拓扑优化方法概述 | 第27-29页 |
| ·改进的遗传神经网络 | 第29-33页 |
| ·神经网络模型 | 第29-30页 |
| ·遗传算法优化网络拓扑 | 第30-31页 |
| ·编码方式 | 第30页 |
| ·适应值函数 | 第30-31页 |
| ·遗传操作算子和混合算法流程 | 第31页 |
| ·仿真结果 | 第31-33页 |
| ·剪枝神经网络 | 第33-34页 |
| ·构建非全连接神经网络 | 第33-34页 |
| ·仿真结果比较 | 第34页 |
| ·小结 | 第34-36页 |
| 第四章 神经网络权值设置和激励函数选择 | 第36-55页 |
| ·权值分布规律及初始值设置 | 第36-45页 |
| ·初始权值对神经网络的影响 | 第36页 |
| ·神经网络权值分布的分析 | 第36-43页 |
| ·仿真结果比较 | 第43-45页 |
| ·神经元激励函数的选择 | 第45-53页 |
| ·激励函数对神经网络影响及分析 | 第45-46页 |
| ·解决方法之一:新的激励函数 | 第46-48页 |
| ·传统激励函数 | 第46-47页 |
| ·新激励函数 | 第47-48页 |
| ·解决方法之二:组合激励函数及遗传算法的自动调节 | 第48-53页 |
| ·组合激励函数的思想 | 第48-49页 |
| ·符号编码方式 | 第49-50页 |
| ·二进制编码方式分析 | 第50页 |
| ·混合编码方式 | 第50-51页 |
| ·特殊操作算子 | 第51-52页 |
| ·适应值评价函数 | 第52页 |
| ·算法实现 | 第52-53页 |
| ·仿真结果比较 | 第53页 |
| ·小结 | 第53-55页 |
| 第五章 遗传神经网络在电池荷电态预估中的应用 | 第55-60页 |
| ·电池荷电态预估概述 | 第55页 |
| ·遗传神经网预估模型和数据预处理 | 第55-56页 |
| ·仿真结果 | 第56-58页 |
| ·小结 | 第58-60页 |
| 结束语 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 发表论文和参加科研情况说明 | 第65-66页 |
| 致谢 | 第66页 |
