基于粒子群的粮食产量预测神经网络优化研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·国外研究现状 | 第13-15页 |
| ·国内研究现状 | 第15-16页 |
| ·主要研究内容 | 第16-17页 |
| 第二章 人工神经网络基础 | 第17-23页 |
| ·人工神经网络概念 | 第17页 |
| ·人工神经网络特性 | 第17页 |
| ·人工神经网络模型 | 第17-20页 |
| ·人工神经元模型 | 第17-19页 |
| ·激活函数 | 第19-20页 |
| ·神经网络的分类及学习方式 | 第20-22页 |
| ·神经网络的分类 | 第20-22页 |
| ·神经网络的学习方式 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于人工神经网络的粮食产量预测模型 | 第23-38页 |
| ·BP 神经网络 | 第23-30页 |
| ·BP 神经元及 BP 网络模型 | 第23-24页 |
| ·BP 网络学习算法 | 第24-27页 |
| ·BP 网络算法的步骤 | 第27-28页 |
| ·BP 网络的局限性及改进方法 | 第28-30页 |
| ·RBF 神经网络 | 第30-36页 |
| ·RBF 网络概念 | 第30页 |
| ·RBF 神经元模型 | 第30-31页 |
| ·RBF 神经网络结构 | 第31-32页 |
| ·RBF 网络的学习算法 | 第32-36页 |
| ·广义回归神经网络 | 第36-37页 |
| ·GRNN 的网络概念 | 第36页 |
| ·GRNN 的网络结构 | 第36页 |
| ·GRNN 网络的优点 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 粒子群优化算法 | 第38-43页 |
| ·PSO 算法介绍 | 第38-39页 |
| ·PSO 的模型建立 | 第39-40页 |
| ·PSO 的基本实现过程 | 第39-40页 |
| ·PSO 的参数设置 | 第40页 |
| ·PSO 算法与神经网络的结合 | 第40-41页 |
| ·PSO 算法的改进 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于粒子群的粮食产量预测神经网络优化研究 | 第43-58页 |
| ·实验样本选定与预处理 | 第43-44页 |
| ·实验样本选定 | 第43-44页 |
| ·数据预处理 | 第44页 |
| ·BP 神经网络粮食产量预测 | 第44-49页 |
| ·BP 神经网络模型设计 | 第44-45页 |
| ·BP 神经网络训练 | 第45-49页 |
| ·RBF 网络粮食产量预测 | 第49-51页 |
| ·RBF 神经网络模型设计 | 第49-50页 |
| ·RBF 神经网络训练 | 第50-51页 |
| ·GRNN 粮食产量预测 | 第51-53页 |
| ·GRNN 模型设计 | 第51-52页 |
| ·GRNN 训练 | 第52-53页 |
| ·PSO 粮食产量预测 | 第53-55页 |
| ·PSO 优化 BP 的过程 | 第53-54页 |
| ·IPSO 优化 BP 的过程 | 第54-55页 |
| ·实验结果分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 在读期间发表的学术论文及研究成果 | 第64页 |
