基于改进蝙蝠算法的前向神经网络研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 群智能算法研究综述 | 第13-14页 |
| 1.2.2 蝙蝠算法国内外研究状况 | 第14-15页 |
| 1.3 论文研究内容和创新点 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 相关理论研究 | 第18-31页 |
| 2.1 蝙蝠算法 | 第18-22页 |
| 2.1.1 蝙蝠回声定位原理 | 第18页 |
| 2.1.2 蝙蝠算法的结构 | 第18-20页 |
| 2.1.3 蝙蝠算法的步骤 | 第20-21页 |
| 2.1.4 蝙蝠算法的改进 | 第21-22页 |
| 2.2 人工神经网络概述 | 第22-30页 |
| 2.2.1 神经元模型 | 第23-24页 |
| 2.2.2 BP神经网络模型 | 第24-26页 |
| 2.2.3 激活函数 | 第26-27页 |
| 2.2.4 BP算法流程 | 第27-28页 |
| 2.2.5 BP算法的改进 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于越界重置和自适应缩放的蝙蝠优化算法 | 第31-52页 |
| 3.1 蝙蝠算法存在的缺陷 | 第31-34页 |
| 3.1.1 个体越界问题 | 第31-33页 |
| 3.1.2 缺乏种群多样性 | 第33页 |
| 3.1.3 响度和脉冲频度的更新存在缺陷 | 第33-34页 |
| 3.2 蝙蝠算法的改进策略 | 第34-36页 |
| 3.2.1 蝙蝠算法的越界重置策略 | 第34页 |
| 3.2.2 自适应缩放 | 第34-35页 |
| 3.2.3 响度和脉冲频度线性渐变 | 第35-36页 |
| 3.3 改进的蝙蝠算法 | 第36-38页 |
| 3.3.1 算法流程 | 第36-37页 |
| 3.3.2 算法流程图 | 第37-38页 |
| 3.4 实验仿真 | 第38-51页 |
| 3.4.1 实验设计 | 第38-40页 |
| 3.4.2 实验结果 | 第40-44页 |
| 3.4.3 算法收敛稳定性分析 | 第44-51页 |
| 3.5 算法性能分析 | 第51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于改进蝙蝠算法优化BP神经网络 | 第52-68页 |
| 4.1 改进的BP神经网络 | 第52-53页 |
| 4.1.1 BP算法的缺陷 | 第52页 |
| 4.1.2 改进策略 | 第52-53页 |
| 4.2 网络设计 | 第53-57页 |
| 4.2.1 网络参数编码 | 第55页 |
| 4.2.2 适应度函数设计 | 第55页 |
| 4.2.3 算法流程 | 第55-57页 |
| 4.2.4 算法流程图 | 第57页 |
| 4.3 性能评价 | 第57-64页 |
| 4.3.1 实验设计 | 第57-61页 |
| 4.3.2 实验结果 | 第61-64页 |
| 4.4 改进BP神经网络在分类问题中的应用 | 第64-67页 |
| 4.4.1 语音特征信号分类 | 第64-65页 |
| 4.4.2 鸢尾花卉分类 | 第65-66页 |
| 4.4.3 意大利葡萄酒种类识别 | 第66页 |
| 4.4.4 结论 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 全文总结 | 第68-69页 |
| 5.2 研究展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间参加的科研项目 | 第76-77页 |
| 攻读学位期间发表论文情况 | 第77页 |
