人工神经网络优化算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-19页 |
| ·研究内容和研究意义 | 第8-10页 |
| ·BP算法的研究现状 | 第10-16页 |
| ·国外现状综述 | 第10-14页 |
| ·国内现状综述 | 第14-16页 |
| ·PSO算法国内外研究现状和进展 | 第16-18页 |
| ·论文的组织结构 | 第18-19页 |
| 第二章 理论基础 | 第19-34页 |
| ·单神经元模型 | 第19-20页 |
| ·典型的网络学习规则 | 第20-21页 |
| ·多层前馈神经网络 | 第21-23页 |
| ·BP人工神经网络 | 第22-23页 |
| ·BP学习算法简介 | 第23页 |
| ·PSO算法的起源 | 第23-25页 |
| ·原始的PSO算法 | 第25-28页 |
| ·算法原理 | 第25-27页 |
| ·算法步骤 | 第27页 |
| ·全局模型与局部模型 | 第27-28页 |
| ·PSO算法的发展 | 第28-30页 |
| ·标准微粒群优化算法 | 第28-29页 |
| ·引入收缩因子 | 第29页 |
| ·引入拓扑结构 | 第29-30页 |
| ·几种改进的PSO算法 | 第30-34页 |
| ·参数改进PSO算法 | 第31页 |
| ·混合粒子群算法 | 第31-32页 |
| ·离散二进制算法 | 第32-33页 |
| ·免疫PSO算法 | 第33-34页 |
| 第三章 BP算法的分析与改进 | 第34-50页 |
| ·BP神经网络结构与算法分析 | 第34-40页 |
| ·BP神经网络结构 | 第34-35页 |
| ·BP神经网络激活函数 | 第35-36页 |
| ·BP算法原理 | 第36页 |
| ·BP算法学习原理 | 第36-37页 |
| ·网络的学习步骤 | 第37-38页 |
| ·传统算法的缺点 | 第38页 |
| ·几种改进的BP算法 | 第38-40页 |
| ·改进的BP算法 | 第40-47页 |
| ·改进BP算法的思路 | 第40-41页 |
| ·联接权值W的调整 | 第41-44页 |
| ·参数T的调整 | 第44-46页 |
| ·参数θ的调整 | 第46-47页 |
| ·实验仿真 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 微粒群优化算法的改进 | 第50-58页 |
| ·改进的PSO算法 | 第50-53页 |
| ·初始化群体 | 第51页 |
| ·适应值计算 | 第51页 |
| ·更新局部最优值和全局最优值 | 第51-52页 |
| ·改进的方向进化算子 | 第52-53页 |
| ·更新速度和位置 | 第53页 |
| ·判断算法是否结束 | 第53页 |
| ·算法收敛性分析 | 第53-55页 |
| ·算法仿真 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| ·研究工作总结 | 第58页 |
| ·进一步研究方向 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间主要的研究成果 | 第67页 |
