基于自适应遗传算法的神经网络在炉温预测中应用
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-20页 |
| ·高炉炼铁概况 | 第12-13页 |
| ·国内外高炉炉温预测的发展现状 | 第13-18页 |
| ·高炉炉温预测的意义 | 第13-14页 |
| ·高炉炉温和铁水硅含量之间的关系 | 第14页 |
| ·炉温预测数学模型 | 第14-18页 |
| ·本文的工作 | 第18-20页 |
| 第二章 人工神经网络概论 | 第20-31页 |
| ·人工神经网络的产生与发展 | 第20-21页 |
| ·人工神经元模型 | 第21-24页 |
| ·人工神经网络模型的拓扑结构 | 第24-26页 |
| ·BP网络模型及其算法 | 第26-28页 |
| ·BP网络模型 | 第26-27页 |
| ·BP算法的数学推导 | 第27-28页 |
| ·BP算法的缺点及改进 | 第28-31页 |
| ·BP算法存在的问题 | 第28-29页 |
| ·BP算法的若干改进 | 第29-31页 |
| 第三章 遗传算法理论 | 第31-42页 |
| ·遗传算法与生物进化 | 第31页 |
| ·遗传算法的特点 | 第31-33页 |
| ·遗传算法的基本概念和基本步骤 | 第33-36页 |
| ·遗传算法的模式定理 | 第36-40页 |
| ·基本概念 | 第36-37页 |
| ·模式定理 | 第37-40页 |
| ·自适应遗传算法基本原理 | 第40-42页 |
| ·自适应遗传算法 | 第40页 |
| ·自适应的交叉概率和变异概率 | 第40-42页 |
| 第四章 基于自适应遗传算法的BP网络预测模型 | 第42-54页 |
| ·遗传算法与神经网络结合的必要性与可行性 | 第42页 |
| ·遗传算法与神经网络的结合 | 第42-45页 |
| ·神经网络连接权的进化 | 第42-43页 |
| ·神经网络结构的进化 | 第43-44页 |
| ·神经网络学习规则的进化 | 第44-45页 |
| ·基于自适应遗传算法的神经网络的学习算法设计 | 第45-54页 |
| ·编码问题 | 第45-46页 |
| ·适应度函数的确定 | 第46-47页 |
| ·选择算子 | 第47-48页 |
| ·交叉算子 | 第48-50页 |
| ·变异算子 | 第50-52页 |
| ·算法的实现步骤 | 第52-54页 |
| 第五章 自适应遗传算法的BP网络炉温预测模型应用 | 第54-62页 |
| ·影响高炉炉温水平的工艺参数选取 | 第54-56页 |
| ·网络结构和编码方式的确定 | 第56-58页 |
| ·模型仿真实验 | 第58-62页 |
| ·标准BP神经网络模型 | 第58-59页 |
| ·改进BP神经网络模型 | 第59-60页 |
| ·基于自适应遗传算法的BP神经网络模型 | 第60-62页 |
| 第六章 结论与展望 | 第62-64页 |
| ·工作总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 硕士期间发表的论文 | 第67页 |
