基于进化计算的随机神经网络优化及其应用研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文研究问题 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 第二章 进化计算与随机神经网络概述 | 第14-27页 |
| ·引言 | 第14页 |
| ·遗传算法 | 第14-19页 |
| ·遗传算法的原理 | 第14-15页 |
| ·遗传算法的数学机理分析 | 第15-16页 |
| ·遗传算法的求解过程 | 第16-19页 |
| ·遗传算法的特点 | 第19页 |
| ·随机神经网络 | 第19-25页 |
| ·随机神经网络模型 | 第20-21页 |
| ·随机神经网络模型的主要特性 | 第21-23页 |
| ·随机神经网络的学习过程 | 第23-24页 |
| ·随机神经网络强化学习算法 | 第24-25页 |
| ·进化算法与 Boltzmann 机结合研究概述 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于遗传算法的Boltzmann 机优化 | 第27-37页 |
| ·引言 | 第27页 |
| ·Boltzmann 机 | 第27-28页 |
| ·Boltzmann 机的拓扑结构 | 第27-28页 |
| ·BM 机学习算法 | 第28页 |
| ·用遗传算法优化 Boltzmann 机 | 第28-31页 |
| ·算法的原理 | 第28-29页 |
| ·算法的各子步骤的说明 | 第29-31页 |
| ·算法步骤 | 第31-32页 |
| ·实例验证 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 用遗传算法优化 RNN 学习过程 | 第37-46页 |
| ·引言 | 第37页 |
| ·RNN 的强化学习算法 | 第37-40页 |
| ·RNN 的强化学习算法模型 | 第37-39页 |
| ·强化学习算法的线性权值更新策略 | 第39-40页 |
| ·用遗传算法优化 RNN 的强化学习算法 | 第40-43页 |
| ·算法原理 | 第40-41页 |
| ·算法中各操作算子的说明 | 第41-43页 |
| ·算法步骤 | 第43页 |
| ·算法实例 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| ·本文总结 | 第46-47页 |
| ·本文所做的工作 | 第46页 |
| ·本文的创新之处 | 第46-47页 |
| ·工作展望 | 第47-48页 |
| ·本文工作的不足之处 | 第47页 |
| ·今后的工作 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第52-53页 |
| 附录 | 第53-59页 |
