粒子群算法在神经网络参数优化中的应用
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第1章 绪论 | 第7-15页 |
| ·课题的意义 | 第7页 |
| ·课题的理论背景 | 第7-8页 |
| ·课题研究领域的现状分析 | 第8-13页 |
| ·神经网络的研究现状 | 第8-10页 |
| ·优化技术的研究现状 | 第10-11页 |
| ·PSO 算法的研究现状 | 第11-13页 |
| ·本文的主要工作 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 第2章 粒子群优化算法概述 | 第15-33页 |
| ·原始粒子群优化算法 | 第15-22页 |
| ·算法的起源 | 第15-17页 |
| ·算法的原理 | 第17-19页 |
| ·算法的参数 | 第19页 |
| ·算法的流程 | 第19-20页 |
| ·算法的拓扑结构 | 第20-22页 |
| ·几种经典的粒子群改进算法 | 第22-26页 |
| ·带压缩因子的粒子群算法 | 第22-23页 |
| ·权重改进的粒子群算法 | 第23-25页 |
| ·基于交叉的粒子群算法 | 第25页 |
| ·混沌粒子群算法 | 第25-26页 |
| ·粒子群算法的收敛性分析 | 第26-29页 |
| ·粒子群算法与其它仿生算法的比较 | 第29-32页 |
| ·小结 | 第32-33页 |
| 第3章 改进的粒子群算法 | 第33-41页 |
| ·引言 | 第33页 |
| ·算法的改进原则 | 第33-34页 |
| ·聚集-重置的粒子群算法 | 第34-37页 |
| ·算法思想 | 第34-35页 |
| ·算法的数学描述 | 第35-36页 |
| ·算法流程 | 第36-37页 |
| ·实验验证 | 第37-40页 |
| ·试验函数 | 第37-39页 |
| ·试验仿真 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第4章 粒子群算法在神经网络参数优化中的应用 | 第41-65页 |
| ·人工神经网络 | 第41-47页 |
| ·神经网络的基本功能 | 第41-42页 |
| ·神经网络的拓扑结构 | 第42-44页 |
| ·神经网络的学习 | 第44-47页 |
| ·BP 算法 | 第47-54页 |
| ·基于BP 算法的多层感知器模型 | 第47-49页 |
| ·BP 学习算法 | 第49-54页 |
| ·遗传算法 | 第54-57页 |
| ·遗传算法概述 | 第54-55页 |
| ·遗传算法流程 | 第55-57页 |
| ·性能比较 | 第57页 |
| ·基于FRPSO 的神经网络学习算法 | 第57-64页 |
| ·FRPSO 算法优化神经网络参数 | 第57-61页 |
| ·仿真实验及结果 | 第61-64页 |
| ·小结 | 第64-65页 |
| 第5章 小结与展望 | 第65-66页 |
| ·本文小结 | 第65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间的研究成果 | 第70页 |
