粒子群改进算法及在混合神经网络中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状分析 | 第9-11页 |
| ·研究内容与创新点 | 第11页 |
| ·论文组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 相关理论 | 第13-22页 |
| ·人工神经网络 | 第13-15页 |
| ·RBF人工神经网络 | 第15-18页 |
| ·RBF ANN 结构 | 第15-16页 |
| ·RBF ANN 学习算法 | 第16-17页 |
| ·RBF ANN性能评价与优缺点 | 第17-18页 |
| ·粒子群算法 | 第18-20页 |
| ·PSO 概述 | 第18-19页 |
| ·标准PSO算法 | 第19页 |
| ·粒子群算法的优点和局限性 | 第19-20页 |
| ·模拟退火算法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 粒子群改进算法 | 第22-32页 |
| ·粒子群算法改进策略 | 第22-23页 |
| ·学习参数动态调整策略 | 第22-23页 |
| ·增加粒子种群多样性策略 | 第23页 |
| ·粒子群改进算法 | 第23-26页 |
| ·混沌自适应粒子群改进算法CSAPSO | 第23-24页 |
| ·CSAPSO-SA 混合算法 | 第24-26页 |
| ·算法性能测试实验 | 第26-31页 |
| ·实验函数与评价 | 第26-28页 |
| ·实验结果 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于粒子群改进算法的混合神经网络应用研究 | 第32-51页 |
| ·混合神经网络模型 | 第32-34页 |
| ·模型概述 | 第32页 |
| ·模型流程 | 第32-33页 |
| ·模型的性能指标 | 第33-34页 |
| ·混合神经网络在外贸出口预测中的应用 | 第34-49页 |
| ·研究问题的提出 | 第34-36页 |
| ·预测分析 | 第36-37页 |
| ·预测模型 | 第37页 |
| ·模型结构 | 第37-39页 |
| ·实验数据及处理 | 第39-42页 |
| ·结果与讨论 | 第42-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 结论与展望 | 第51-53页 |
| ·结论 | 第51页 |
| ·展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读学位期间的研究成果 | 第59-61页 |
| 附件 | 第61-70页 |
