首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

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

论文共130页,点击 下载论文
上一篇:基于混合进化算法的子结构发现研究
下一篇:递阶遗传算法理论及其应用研究