基于遗传算法改进的BP神经网络在矿产品预测领域的应用
| 1 绪论 | 第1-13页 |
| ·人工神经网络概述 | 第8-10页 |
| ·人工神经网络的研究史 | 第8-9页 |
| ·人工神经网络的基本结构与模型 | 第9-10页 |
| ·预测研究现状 | 第10-11页 |
| ·本次研究的目的和意义 | 第11-13页 |
| 2 多层前馈网络的学习算法 | 第13-24页 |
| ·BP 算法的数学描述 | 第13-20页 |
| ·BP 算法原理 | 第13-17页 |
| ·BP 网络的学习规则与计算方法 | 第17-20页 |
| ·BP 算法在矿产品消费量预测方面的缺陷及改进 | 第20-21页 |
| ·BP 算法在矿产品消费量预测方面的缺陷 | 第20-21页 |
| ·BP 算法在矿产品消费量预测方面的改进措施 | 第21页 |
| ·BP 算法在矿产品消费量预测方面的推广 | 第21-24页 |
| 3 遗传算法改进的优化BP 神经网络 | 第24-37页 |
| ·遗传算法 | 第24-26页 |
| ·遗传算法概述 | 第24页 |
| ·遗传算法步骤 | 第24-26页 |
| ·改进BP 神经网络的执行策略 | 第26-35页 |
| ·编码方案 | 第26-27页 |
| ·群体设定与初始化 | 第27-28页 |
| ·适应度函数的选择 | 第28-30页 |
| ·遗传操作 | 第30-34页 |
| ·自适应代沟的替代策略 | 第34-35页 |
| ·算法流程 | 第35-37页 |
| 4 遗传算法改进BP 神经网络的实现 | 第37-52页 |
| ·总体思路 | 第37页 |
| ·影响因素提取 | 第37-38页 |
| ·算法实现 | 第38-48页 |
| ·主要类设计 | 第38-39页 |
| ·初始化函数实现 | 第39-41页 |
| ·适应度函数实现 | 第41-42页 |
| ·遗传算法函数实现 | 第42-46页 |
| ·BP 算法函数实现 | 第46-48页 |
| ·预测结果 | 第48-52页 |
| 5 总结 | 第52-53页 |
| 致谢 | 第53-54页 |
| 主要参考文献 | 第54-55页 |
| 个人简历 | 第55页 |
