BP神经网络在GPS高程拟合中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 引言 | 第7-14页 |
| ·概述 | 第7-10页 |
| ·选题的背景 | 第7页 |
| ·高程及高程系统 | 第7-10页 |
| ·GPS 高程转换国内外研究现状 | 第10-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 2 BP 神经网络及遗传算法 | 第14-26页 |
| ·神经元的基本结构与特征 | 第14-16页 |
| ·人工神经元的基本概念 | 第14页 |
| ·简化的神经元数学模型 | 第14-15页 |
| ·人工神经元网络的基本特征 | 第15-16页 |
| ·BP 神经网络原理 | 第16-21页 |
| ·BP 网络拓扑结构 | 第16页 |
| ·BP 学习公式推导 | 第16-18页 |
| ·BP 网络神经元激励函数 | 第18-19页 |
| ·BP 网络的局限性及解决措施 | 第19-21页 |
| ·遗传算法原理 | 第21-23页 |
| ·遗传算法的基本概念 | 第21-22页 |
| ·遗传算法的编码 | 第22页 |
| ·遗传算法算子及控制参数 | 第22-23页 |
| ·用遗传算法进化神经网络 | 第23-26页 |
| ·染色体编码原则 | 第23-24页 |
| ·控制参数 | 第24-26页 |
| ·遗传算法进化神经网络步骤 | 第26页 |
| 3 用遗传 BP 网络进行 GPS 高程拟合 | 第26-30页 |
| ·输入向量的扩展 | 第26-27页 |
| ·BP 网络参数选取 | 第27页 |
| ·遗传算法的编码 | 第27-28页 |
| ·GPS 高程拟合精度分析 | 第28-30页 |
| 4 试验分析 | 第30-43页 |
| ·遗传神经网络拟合 GPS 高程分析 | 第30-37页 |
| ·试验1 | 第30-33页 |
| ·试验2 | 第33-37页 |
| ·数据归一化处理与使用不同激励函数效果分析 | 第37-41页 |
| ·遗传神经网络与曲面拟合比较分析 | 第41-43页 |
| 5 总结与展望 | 第43-46页 |
| ·总结 | 第43-44页 |
| ·展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 作者简介 | 第50页 |
