基于自适应学习速率的改进型BP算法研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7-8页 |
| ·BP算法改进的历史和现状 | 第8-12页 |
| ·BP算法的应用 | 第12-13页 |
| ·本文的主要工作和结构安排 | 第13-15页 |
| 第二章 神经网络理论基础 | 第15-22页 |
| ·人工神经元网络的基本原理 | 第15-20页 |
| ·人工神经元的一般描述 | 第15-17页 |
| ·人工神经元网络模型 | 第17-18页 |
| ·神经元网络的学习过程 | 第18-19页 |
| ·神经元网络的学习规则 | 第19页 |
| ·神经元网络的工作过程 | 第19-20页 |
| ·人工神经网络的特性 | 第20页 |
| ·人工神经网络的分类 | 第20-21页 |
| ·人工神经网络的主要学习算法 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 BP网络及其算法 | 第22-38页 |
| ·BP网络的拓扑结构 | 第22-23页 |
| ·BP网络的学习过程 | 第23页 |
| ·BP神经元原理 | 第23-25页 |
| ·BP算法原理 | 第25-30页 |
| ·正向传播 | 第26-27页 |
| ·反向传播 | 第27-29页 |
| ·网络的训练过程 | 第29-30页 |
| ·BP网络的设计 | 第30-36页 |
| ·网络的层数 | 第30页 |
| ·各层节点数 | 第30-31页 |
| ·初始权值 | 第31-32页 |
| ·学习速率 | 第32页 |
| ·期望误差 | 第32-33页 |
| ·传递函数 | 第33-34页 |
| ·训练方法 | 第34-36页 |
| ·训练数据的处理 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第四章 改进型BP算法研究 | 第38-60页 |
| ·BP算法的缺点和困难 | 第38页 |
| ·BP算法的主要改进措施 | 第38-46页 |
| ·附加动量法 | 第39-41页 |
| ·自适应学习速率法 | 第41-42页 |
| ·动量-自适应学习速率算法 | 第42页 |
| ·弹性BP算法 | 第42-43页 |
| ·基于数值优化的BP算法 | 第43-46页 |
| ·新算法的提出 | 第46-48页 |
| ·新算法的仿真与应用 | 第48-59页 |
| ·新算法在异或问题中的应用 | 第48-54页 |
| ·新算法在函数逼近中的应用 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结和展望 | 第60-62页 |
| ·本文的主要研究工作总结 | 第60-61页 |
| ·进一步的研究和展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 发表论文和科研情况说明 | 第65-66页 |
| 致谢 | 第66页 |
