| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题的研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·本文的研究内容 | 第16-17页 |
| ·论文的组织安排 | 第17-18页 |
| 第2章 人工神经网络基本原理 | 第18-31页 |
| ·人工神经网络的生物学基础 | 第18-20页 |
| ·生物神经细胞的结构 | 第18-19页 |
| ·生物神经细胞的信息处理机制 | 第19-20页 |
| ·人工神经元模型 | 第20-22页 |
| ·人工神经元 | 第21页 |
| ·神经元的转移函数 | 第21-22页 |
| ·神经网络的学习规则 | 第22-23页 |
| ·BP神经网络模型 | 第23-29页 |
| ·BP神经网络结构 | 第23页 |
| ·BP算法及其实现 | 第23-26页 |
| ·BP算法的局限性分析 | 第26-27页 |
| ·BP网络的设计基础 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 基于遗传算法的BP算法改进 | 第31-44页 |
| ·遗传算法 | 第31-37页 |
| ·遗传算法基本原理 | 第31-32页 |
| ·遗传算法的构成要素 | 第32-37页 |
| ·基于遗传算法优化神经网络权值的混合算法 | 第37-40页 |
| ·遗传算法优化神经网络的混合算法的思想 | 第38页 |
| ·加动量项和自适应学习率BP改进算法 | 第38-39页 |
| ·遗传算法的设计 | 第39-40页 |
| ·实例构建与结果分析 | 第40-43页 |
| ·实例构建 | 第40-41页 |
| ·结果分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于蚁群算法的BP算法改进 | 第44-58页 |
| ·蚁群算法 | 第44-50页 |
| ·TSP 问题 | 第44-45页 |
| ·基本蚁群算法原理 | 第45-47页 |
| ·蚁群系统原理分析 | 第47-48页 |
| ·蚁群系统仿真实验 | 第48-50页 |
| ·基于蚁群系统优化神经网络权值的混合算法 | 第50-53页 |
| ·蚁群算法优化神经网络混合算法的基本思想 | 第51-52页 |
| ·蚁群算法优化神经网络混合算法的设计 | 第52-53页 |
| ·实例构建与结果分析 | 第53-57页 |
| ·实例构建 | 第53-54页 |
| ·结果分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 BP算法与遗传算法、蚁群算法融合 | 第58-65页 |
| ·遗传算法、蚁群算法的BP改进算法混合算法的基本思想 | 第58-59页 |
| ·混合算法的设计 | 第59-62页 |
| ·遗传算法的设计 | 第59-61页 |
| ·蚁群算法的设计 | 第61-62页 |
| ·实例构建与结果分析 | 第62-64页 |
| ·实例构建 | 第62-64页 |
| ·结果分析 | 第64页 |
| ·本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文 | 第72-73页 |