| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·神经网络的研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·主要研究工作 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 2 BP神经网络模型 | 第12-22页 |
| ·人工神经网络简介 | 第12-17页 |
| ·人工神经网络的发展历史 | 第12-13页 |
| ·神经元模型 | 第13-14页 |
| ·人工神经网络的互连结构 | 第14-16页 |
| ·人工神经网络的学习 | 第16-17页 |
| ·BP神经网络简介 | 第17-21页 |
| ·BP神经网络的拓扑结构 | 第17页 |
| ·BP神经网络的学习过程 | 第17-18页 |
| ·BP算法的数学基础 | 第18-19页 |
| ·BP算法的基本步骤 | 第19-20页 |
| ·BP算法的性能分析 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 蝙蝠算法 | 第22-34页 |
| ·基本蝙蝠算法 | 第22-23页 |
| ·微型蝙蝠的回声定位行为 | 第22页 |
| ·蝙蝠算法的主要步骤 | 第22-23页 |
| ·改进蝙蝠算法 | 第23-27页 |
| ·变异策略 | 第24-25页 |
| ·基于自适应t分布变异的蝙蝠算法(TMBA) | 第25-27页 |
| ·仿真实验 | 第27-32页 |
| ·基准测试函数 | 第27页 |
| ·实验结果分析 | 第27-32页 |
| ·本章小结 | 第32-34页 |
| 4 基于蝙蝠算法的BP神经网络优化 | 第34-44页 |
| ·权值和阈值蝙蝠化 | 第34-35页 |
| ·基于TMBA与BP算法的协同网络学习算法(TMBA-BP) | 第35-37页 |
| ·算法思想 | 第35页 |
| ·算法步骤 | 第35-37页 |
| ·实验设置 | 第37-40页 |
| ·函数列表 | 第37页 |
| ·学习样本和测试样本 | 第37页 |
| ·网络结构选取 | 第37-40页 |
| ·仿真实验 | 第40-43页 |
| ·寻优精度对比实验 | 第40-42页 |
| ·收敛速率对比实验 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 5 经济预测 | 第44-48页 |
| ·建立国民经济预测模型 | 第44-45页 |
| ·数据选择以及预处理 | 第44-45页 |
| ·神经网络模型结构 | 第45页 |
| ·预测结果分析 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 6 总结与展望 | 第48-50页 |
| ·全文总结 | 第48页 |
| ·研究展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 作者攻读学位期间发表学术论文清单 | 第54-56页 |
| 致谢 | 第56页 |