BP神经网络的优化研究及应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 第2章 人工神经网络基本原理 | 第12-29页 |
| 2.1 生物神经元的结构与功能特性 | 第12-13页 |
| 2.1.1 生物神经细胞的结构与功能特性 | 第12-13页 |
| 2.1.2 生物神经元产生和传输信号的机理 | 第13页 |
| 2.2 人工神经元模型 | 第13-15页 |
| 2.2.1 人工神经元 | 第13-14页 |
| 2.2.2 神经元的激励函数 | 第14-15页 |
| 2.3 人工神经网络的模型 | 第15-16页 |
| 2.4 神经网络学习算法 | 第16-17页 |
| 2.5 BP 神经网络模型 | 第17-22页 |
| 2.5.1 BP 神经网络结构 | 第17-18页 |
| 2.5.2 BP 算法原理及其实现 | 第18-22页 |
| 2.6 实例构建 | 第22-28页 |
| 2.6.1 BP 神经网络的函数拟合实验 | 第23-24页 |
| 2.6.2 网络性能影响因素 | 第24-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 基于遗传算法的 BP 神经网络的优化 | 第29-50页 |
| 3.1 遗传算法 | 第29-38页 |
| 3.1.1 遗传算法操作 | 第29-36页 |
| 3.1.2 遗传算法的基本原理 | 第36-37页 |
| 3.1.3 遗传算法的特点 | 第37-38页 |
| 3.2 遗传算法优化 BP 神经网络 | 第38-45页 |
| 3.2.1 遗传算法编码 | 第39-43页 |
| 3.2.2 遗传操作 | 第43-44页 |
| 3.2.3 适应度函数 | 第44-45页 |
| 3.3 实例仿真 | 第45-49页 |
| 3.3.1 遗传算法对 BP 网络结构的优化 | 第45-47页 |
| 3.3.2 遗传算法对 BP 参数的优化 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 遗传神经网络在交通流预测中的应用 | 第50-58页 |
| 4.1 研究背景 | 第50-52页 |
| 4.2 预测模型 | 第52页 |
| 4.3 数据的来源及预处理 | 第52-53页 |
| 4.3.1 数据的采集 | 第52-53页 |
| 4.3.2 数据的预处理 | 第53页 |
| 4.4 仿真 | 第53-56页 |
| 4.4.1 构建实例 | 第53-56页 |
| 4.4.2 仿真结果及分析 | 第56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-61页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
