BP神经网络中一种逃离局部极小点的方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第1章 绪言 | 第7-17页 |
| ·人工神经网络的历史、特点及现状 | 第7-13页 |
| ·人工神经网络的历史 | 第7-11页 |
| ·人工神经网络的特点 | 第11-12页 |
| ·人工神经网络研究的现状 | 第12-13页 |
| ·BP神经网络研究的内容及其应用 | 第13-14页 |
| ·BP神经网络在国内外研究现状及本文的研究内容 | 第14-17页 |
| 第2章 人工神经网络模型介绍 | 第17-32页 |
| ·生物神经元模型 | 第17-18页 |
| ·人工神经元模型 | 第18-20页 |
| ·几种典型的神经网络结构 | 第20-32页 |
| ·感知器模型 | 第20-22页 |
| ·BP神经网络 | 第22-24页 |
| ·径向基函数网络 | 第24-25页 |
| ·自组织人工神经网络 | 第25-27页 |
| ·反馈神经网络 | 第27-28页 |
| ·模糊神经网络 | 第28-32页 |
| 第3章 BP神经网络原理 | 第32-47页 |
| ·BP神经网络的拓扑结构 | 第32-33页 |
| ·BP算法的基本原理 | 第33-37页 |
| ·神经网络的基本组成单元 | 第33页 |
| ·神经网络的学习规则 | 第33-34页 |
| ·BP神经网络的基本原理 | 第34-37页 |
| ·BP神经网络的性能曲面和最优点 | 第37-41页 |
| ·BP神经网络的性能曲面 | 第37-39页 |
| ·BP神经网络的最优解 | 第39-41页 |
| ·BP神经网络的结构的选择 | 第41-43页 |
| ·隐藏层数的选择 | 第41页 |
| ·隐藏层节点数的选择 | 第41-43页 |
| ·BP 神经网络样本数据的预处理 | 第43-44页 |
| ·样本集的选取 | 第43-44页 |
| ·样本数据的归一化 | 第44页 |
| ·BP神经网络的训练 | 第44-45页 |
| ·BP神经网络的优缺点 | 第45-47页 |
| 第4章 改进BP神经网络 | 第47-56页 |
| ·饱和现象 | 第47-48页 |
| ·价值函数的改进 | 第48-49页 |
| ·改进的BP算法 | 第49-56页 |
| ·改进BP算法的学习法则 | 第49页 |
| ·改进BP算法的权值凋整的求解 | 第49-51页 |
| ·迭代过程中最优参数的选择 | 第51-56页 |
| 第5章 实验结果及其对比分析 | 第56-60页 |
| ·仿真实验 | 第56页 |
| ·实验结果对比分析 | 第56-60页 |
| ·改进BP算法和标准BP算法对比结果分析 | 第56-58页 |
| ·改进BP算法和模拟退火算法对比结果分析 | 第58-60页 |
| 第6章 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-67页 |
