基于协同进化的RBFNN学习研究
摘要 | 第1-4页 |
ABSTRACT | 第4-9页 |
第一章 绪论 | 第9-20页 |
·选题背景与研究意义 | 第9-11页 |
·神经网络学习的统计性能 | 第11-15页 |
·经验风险最小化学习 | 第11-13页 |
·结构风险最小化学习 | 第13-15页 |
·RBFNN 算法研究现状 | 第15页 |
·RBFNN 学习存在的问题 | 第15-17页 |
·文章结构安排及创新点 | 第17-20页 |
第二章 RBFNN 和协同进化算法理论基础 | 第20-31页 |
·RBFNN 基本原理 | 第20-26页 |
·RBF 与插值问题 | 第20-21页 |
·RBFNN 模型 | 第21-22页 |
·RBFNN 中心确定算法 | 第22-25页 |
·构造型神经网络设计方法 | 第25-26页 |
·基于进化算法的神经网络学习 | 第26-27页 |
·神经元的进化 | 第26页 |
·连接权的进化 | 第26页 |
·结构进化 | 第26-27页 |
·神经网络学习算法与进化算法相结合 | 第27页 |
·协同进化算法 | 第27-30页 |
·协同进化算法理论基础 | 第27-28页 |
·协同进化算法整体框架 | 第28-29页 |
·协同进化算法的发展现状 | 第29-30页 |
·本章小结 | 第30-31页 |
第三章 基于合作型协同进化RBFNN 分类算法 | 第31-48页 |
·相关研究 | 第31-32页 |
·合作型协同进化算法(Co-CEA) | 第32-33页 |
·基于合作型协同进化的RBFNN 分类算法 | 第33-39页 |
·编码 | 第33-34页 |
·初始化 | 第34-35页 |
·个体适应值评价与选择 | 第35-37页 |
·交叉操作 | 第37-38页 |
·变异操作 | 第38页 |
·算法整体步骤 | 第38-39页 |
·实验测试 | 第39-47页 |
·实验1 | 第39-45页 |
·实验2 | 第45-47页 |
·结束语 | 第47-48页 |
第四章 基于协同覆盖的EBFNN 分类算法 | 第48-68页 |
·相关研究 | 第48-49页 |
·EBFNN 和神经元领域覆盖 | 第49-51页 |
·EBFNN 模型 | 第49-50页 |
·神经元领域覆盖 | 第50-51页 |
·基于协同覆盖的EBFNN 算法设计 | 第51-59页 |
·基于协同进化算法确定EBFNN 结构 | 第52-56页 |
·EBFNN 结构启发式微调 | 第56-58页 |
·算法整体步骤 | 第58-59页 |
·实验测试 | 第59-66页 |
·实验1 | 第60-64页 |
·实验2 | 第64-65页 |
·实验3 | 第65-66页 |
·本章小结 | 第66-68页 |
第五章 带有特征选择的双种群RBFNN 分类算法 | 第68-93页 |
·相关研究 | 第68-69页 |
·特征选择通用模型 | 第69-71页 |
·带有特征选择的双种群协同进化算法 | 第71-78页 |
·编码 | 第71-72页 |
·初始化 | 第72页 |
·个体适应值评价与选择 | 第72-75页 |
·交叉操作 | 第75-76页 |
·变异操作 | 第76页 |
·算法整体步骤 | 第76-78页 |
·实验测试 | 第78-92页 |
·实验1 | 第79-86页 |
·实验2 | 第86-92页 |
·本章小结 | 第92-93页 |
第六章 多种群协同进化RBFNN 集成算法 | 第93-115页 |
·相关研究 | 第93-94页 |
·集成学习算法分类及应用 | 第94-96页 |
·神经网络集成理论基础 | 第96-99页 |
·多种群协同进化RBFNN 集成算法 | 第99-106页 |
·编码 | 第99页 |
·初始化 | 第99-100页 |
·个体评价与选择 | 第100-104页 |
·交叉操作 | 第104-105页 |
·变异操作 | 第105页 |
·算法整体步骤 | 第105-106页 |
·实验测试 | 第106-111页 |
·实验1 | 第106-108页 |
·实验2 | 第108-110页 |
·实验3 | 第110-111页 |
·MCNNE 在商业数据集的应用 | 第111-114页 |
·本章小结 | 第114-115页 |
第七章 总结与展望 | 第115-117页 |
·论文主要工作和创新性 | 第115-116页 |
·今后研究工作展望 | 第116-117页 |
参考文献 | 第117-128页 |
发表论文和科研情况说明 | 第128-130页 |
致谢 | 第130页 |