基于神经网络的ATM带宽动态分配设计
| 第1章 概述 | 第1-18页 |
| ·引言 | 第8-15页 |
| ·神经网络的发展过程 | 第8-12页 |
| ·神经网络的学习和记忆 | 第12-14页 |
| ·神经网络的研究及应用 | 第14-15页 |
| ·本文研究的主要内容和结构 | 第15-18页 |
| 第2章 BP神经网络理论 | 第18-26页 |
| ·BP神经网络模型 | 第18-19页 |
| ·BP神经网络的学习 | 第19-26页 |
| ·BP神经网络的学习原理及国内外研究现状 | 第19-22页 |
| ·标准BP神经网络的学习算法描述 | 第22-23页 |
| ·BP神经网络的误差与测试 | 第23-24页 |
| ·BP神经网络的性能 | 第24-26页 |
| 第3章 BP神经网络的拆分组装方法 | 第26-34页 |
| ·带阀值的BP神经网络模型及参数 | 第26-28页 |
| ·BP神经网络的拆分 | 第28页 |
| ·BP神经网络的组装 | 第28-29页 |
| ·重叠并排阶段 | 第29页 |
| ·增加网络连接阶段 | 第29页 |
| ·拆分组装方法的正确性证明 | 第29-30页 |
| ·单结点期望误差概念与均方根误差分析 | 第30-33页 |
| ·单结点误差与单结点期望误差 | 第30-32页 |
| ·均方根误差分析及BP网络缺陷的原因分析 | 第32-33页 |
| ·拆分组装方法的理论分析 | 第33-34页 |
| 第4章 基于拆分组装法的神经网络输入样本的预处理 | 第34-40页 |
| ·引言 | 第34页 |
| ·参数说明及输入样本空间最短距离概念 | 第34-35页 |
| ·输入样本的预处理过程 | 第35页 |
| ·减少输入层单元数的约束不等式的推理 | 第35-38页 |
| ·对约束不等式的理论分析 | 第38-40页 |
| 第5章 遗传算法(GA) | 第40-46页 |
| ·引言 | 第40页 |
| ·遗传算法的发展过程 | 第40-42页 |
| ·遗传算法的特点 | 第42-44页 |
| ·遗传算法的操作 | 第44-46页 |
| 第6章 最速梯度-遗传算法(GDR-GA) | 第46-55页 |
| ·本项目中采用的最速梯度算法(GDR) | 第46页 |
| ·本项目中采用的遗传算法(GA) | 第46-52页 |
| ·加速遗传算法(AGA)的步骤 | 第47-49页 |
| ·加速遗传算法中的控制参数 | 第49-51页 |
| ·加速遗传算法的理论分析 | 第51-52页 |
| ·最速梯度-遗传算法的切换方法 | 第52-53页 |
| ·最速梯度-遗传算法(GDR-GA)有效性实验 | 第53-55页 |
| 第7章 ATM带宽动态分配及其程序模块 | 第55-63页 |
| ·BP神经网络在ATM带宽动态分配中所起的作用 | 第55页 |
| ·ATM带宽动态分配模型 | 第55-56页 |
| ·ATM带宽动态分配方案 | 第56-58页 |
| ·早期ATM带宽动态分配的缺陷分析 | 第58页 |
| ·ATM带宽动态分配过程中子网与总网的学习 | 第58-60页 |
| ·ATM带宽动态分配中的关键程序模块 | 第60-62页 |
| ·实验环境 | 第62-63页 |
| 第8章 软件界面的运行和及其结论 | 第63-67页 |
| ·界面介绍 | 第63-65页 |
| ·输入的样本对 | 第65页 |
| ·输出及运行分析与结论 | 第65-67页 |
| 第9章 总结与展望 | 第67-68页 |
| ·论文所做的工作 | 第67页 |
| ·进一步工作设想 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |
| 致谢 | 第72页 |
