基于混合递阶遗传算法的RBF神经网络优化及应用
| 1 引言 | 第1-13页 |
| ·ANN的发展史、特点及其分类 | 第7-8页 |
| ·径向基函数神经网络及学习算法 | 第8-9页 |
| ·遗传算法及应用 | 第9-11页 |
| ·遗传算法与RBF网络 | 第11-12页 |
| ·本文所作的工作 | 第12-13页 |
| 2 径向基函数神经网络 | 第13-21页 |
| ·前馈式神经网络 | 第13-14页 |
| ·径向基函数神经网络的基本原理 | 第14-15页 |
| ·径向基函数神经网络的数学模型 | 第15-17页 |
| ·正交最小二乘学习算法 | 第17-21页 |
| 3 遗传算法的基本原理和方法 | 第21-32页 |
| ·遗传算法的描述 | 第21-23页 |
| ·遗传算法的理论基础 | 第23-25页 |
| ·编码及适应度函数 | 第25-26页 |
| ·遗传算法的操作 | 第26-31页 |
| ·选择 | 第26-28页 |
| ·交叉算子 | 第28-29页 |
| ·变异算子 | 第29-31页 |
| ·遗传算法的现状及展望 | 第31-32页 |
| 4 混合递阶遗传算法优化RBF神经网络 | 第32-48页 |
| ·混合递阶遗传算法 | 第32-33页 |
| ·算法设计 | 第33-36页 |
| ·改进的递阶遗传编码 | 第33-35页 |
| ·适应度函数 | 第35页 |
| ·初始化种群 | 第35页 |
| ·遗传操作 | 第35-36页 |
| ·动态非线性系统的辨识 | 第36-43页 |
| ·非线性时间系列预测 | 第43-46页 |
| ·结束语 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 附录A 训练优化程序 | 第51-57页 |
| 附录B 测试程序 | 第57-59页 |
| 声明 | 第59-60页 |
| 致谢 | 第60页 |
