| 摘 要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-10页 |
| ·BP神经网络的研究现状 | 第8页 |
| ·本课题的研究意义 | 第8-9页 |
| ·本课题所作的工作 | 第9-10页 |
| 第二章 BP网络概述 | 第10-22页 |
| ·BP网络的定义、特点及应用 | 第10-11页 |
| ·BP算法及性能分析 | 第11-16页 |
| ·BP网络数学模型的建立 | 第11-13页 |
| ·BP算法原理分析 | 第13-16页 |
| ·BP算法的软件实现 | 第16-17页 |
| ·BP网络的信号流向分析 | 第16-17页 |
| ·BP网络算法的程序实现 | 第17页 |
| ·BP网络的性能分析 | 第17-22页 |
| ·BP网络的主要缺陷 | 第17-18页 |
| ·BP网络存在缺陷的原因分析 | 第18-22页 |
| ·隐层节点难以确定的原因 | 第18-19页 |
| ·易陷入局部极小值的原因 | 第19页 |
| ·学习过程收敛速度慢的原因 | 第19-22页 |
| 第三章 BP算法的改进及模型 | 第22-40页 |
| ·学习率 、动量因子 对网络性能的影响 | 第22-24页 |
| ·学习率 的选取及其对BP网络性能的影响 | 第22-23页 |
| ·动量因子 对网络性能的改善 | 第23-24页 |
| ·两种改进的BP算法 | 第24-33页 |
| ·BP网络结构的确定 | 第24-31页 |
| ·激活函数的选取 | 第31页 |
| ·输出层权值调整 | 第31-33页 |
| ·固定PM BP(FPMBP: Fixed PM BP): | 第32页 |
| ·自适应PM BP(SAPMBP: Self-Adaptive PM BP): | 第32-33页 |
| ·隐层权值调整 | 第33页 |
| ·两种改进算法的实现步骤 | 第33-35页 |
| ·FPMBPM的实现步骤 | 第34页 |
| ·SAPMBPM的实现步骤 | 第34-35页 |
| ·改进BP算法的性能对比研究 | 第35-40页 |
| ·基于标准梯度下降的BP方法 | 第35-36页 |
| ·基于数值优化方法的网络训练算法 | 第36-38页 |
| ·FPMBP和SAPMBP的性能研究 | 第38-40页 |
| 第四章 改进算法的应用研究 | 第40-62页 |
| ·FPMBP和SAPMBP的字符识别仿真 | 第40-53页 |
| ·仿真实例的具体实现步骤 | 第40-43页 |
| ·仿真结果对比研究 | 第43-53页 |
| 4 2 对FPMBP和SAPMBP用于字符识别的几点说明 | 第49-53页 |
| ·基于BP网络整定的PID控制应用研究 | 第53-62页 |
| ·基于BP神经网络的PID整定原理 | 第53-55页 |
| ·神经PID控制仿真实例 | 第55-62页 |
| 第五章 结束语 | 第62-63页 |
| 参考文献: | 第63-66页 |
| 致 谢 | 第66-67页 |
| 个人简历 | 第67页 |
