基于分布估计算法的BP神经网络优化设计
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·论文研究的学术背景 | 第7页 |
| ·人工神经网络的历史回顾和发展现状 | 第7-8页 |
| ·多层前馈网络算法研究现状 | 第8-9页 |
| ·分布估计算法的历史回顾与发展现状 | 第9-10页 |
| ·本文研究的问题 | 第10页 |
| ·本文的组织结构 | 第10-12页 |
| 2 BP神经网络基本理论与学习算法 | 第12-17页 |
| ·反向传播网络简介 | 第12-13页 |
| ·BP算法 | 第13-14页 |
| ·BP算法存在的问题 | 第14-15页 |
| ·BP算法的一些改进措施 | 第15-16页 |
| ·BP算法的程序实现过程 | 第16-17页 |
| 3 分布估计算法 | 第17-27页 |
| ·引言 | 第17页 |
| ·离散型的PBIL算法 | 第17-19页 |
| ·连续型的PBIL算法 | 第19页 |
| ·离散型的MIMIC算法 | 第19-21页 |
| ·连续型的MIMIC算法 | 第21-22页 |
| ·EGNA算法 | 第22-26页 |
| ·分布估计算法的几种改进思想 | 第26-27页 |
| 4 基于分布估计算法的神经网络优化 | 第27-31页 |
| ·引言 | 第27页 |
| ·EDA优化神经网络的权值 | 第27-29页 |
| ·编码方案 | 第27-28页 |
| ·适应度函数 | 第28页 |
| ·选择算子 | 第28-29页 |
| ·终止条件 | 第29页 |
| ·算法的实现 | 第29-30页 |
| ·BP算法用于局部求精 | 第30-31页 |
| 5 实验分析 | 第31-36页 |
| ·引言 | 第31页 |
| ·数据集的选择与处理 | 第31-32页 |
| ·神经网络结构的确定 | 第32-33页 |
| ·算法性能评价方法 | 第33-35页 |
| ·数据分析 | 第35-36页 |
| 6 总结 | 第36-37页 |
| 致谢 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 附录 | 第41页 |
