| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·人工神经网络的研究现状 | 第10-11页 |
| ·GEP 的研究现状 | 第11-12页 |
| ·课题主要工作 | 第12页 |
| ·本文的组织结构 | 第12-13页 |
| 2 基因表达式编程(GEP)的基础理论 | 第13-20页 |
| ·GEP 的基本概念 | 第13-14页 |
| ·GEP 的组织结构 | 第14-17页 |
| ·基因的构成 | 第14-15页 |
| ·表达式树 | 第15页 |
| ·遗传算子 | 第15-16页 |
| ·适应度函数 | 第16-17页 |
| ·标准GEP 算法 | 第17-20页 |
| 3 基于 GEP 优化的 RBF 神经网络 | 第20-32页 |
| ·RBF 神经网络的基本概念 | 第20-21页 |
| ·K-均值法 | 第21-22页 |
| ·基于GEP 优化的RBF 神经网络 | 第22-27页 |
| ·染色体编码 | 第23-24页 |
| ·遗传算子 | 第24页 |
| ·适应度计算 | 第24-25页 |
| ·基于GEP 优化的RBF 神经网络算法 | 第25-27页 |
| ·实验与分析 | 第27-31页 |
| ·实验1 | 第27-29页 |
| ·实验2 | 第29-31页 |
| ·小结 | 第31-32页 |
| 4 基于 GEP 的神经网络规则抽取 | 第32-44页 |
| ·规则抽取的概述 | 第32-33页 |
| ·规则类型 | 第33页 |
| ·规则抽取算法分类 | 第33-34页 |
| ·基于GEP 的神经网络规则抽取 | 第34-39页 |
| ·染色体编码 | 第35页 |
| ·遗传算子 | 第35-37页 |
| ·适应度函数 | 第37页 |
| ·基于GEP 的神经网络规则抽取算法 | 第37-39页 |
| ·实验与分析 | 第39-43页 |
| ·实验环境 | 第39页 |
| ·实验1 | 第39-41页 |
| ·实验2 | 第41-43页 |
| ·小结 | 第43-44页 |
| 5 总结与展望 | 第44-46页 |
| ·本文主要工作总结 | 第44-45页 |
| ·研究展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 附录A 本文作者在攻读硕士学位期间所发表的论文 | 第51页 |
| 附录B 本文作者攻读硕士学位期间主持和参加的科研项目 | 第51页 |