群体智能算法在RBF神经网络中的应用
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 引言 | 第6-7页 |
| 第一章 绪论 | 第7-10页 |
| ·神经网络技术的发展与现状 | 第7-8页 |
| ·本文的所做工作及内容安排 | 第8-10页 |
| 第二章 RBFNN结构及权值算法研究 | 第10-18页 |
| ·RBFNN结构及其特点 | 第10-11页 |
| ·RBFNN的权值算法研究 | 第11-18页 |
| ·M-P伪逆算法 | 第12-13页 |
| ·递推最小二乘算法 | 第13-15页 |
| ·递推正交最小二乘法 | 第15-18页 |
| 第三章 RBFNN隐单元数量的确定方法 | 第18-24页 |
| ·K-MEANS算法 | 第18页 |
| ·减聚类算法 | 第18-19页 |
| ·RPCL以及扩展RPCL算法 | 第19-24页 |
| 第四章 基于菌群算法的RBFNN | 第24-35页 |
| ·细菌算法 | 第24-26页 |
| ·BCC算法 | 第26-28页 |
| ·引诱剂环境下细菌信息交互模式 | 第26页 |
| ·BCC算法描述 | 第26-28页 |
| ·改进的菌群RBFNN | 第28-32页 |
| ·RBFNN的细菌的编码和初始化 | 第28-29页 |
| ·最速下降法调整RBFNN参数 | 第29-30页 |
| ·RBFNN结构优化算法 | 第30-32页 |
| ·仿真实验 | 第32-34页 |
| ·结论 | 第34-35页 |
| 第五章 基于粒子群算法的RBFNN | 第35-45页 |
| ·粒子群算法介绍 | 第35-36页 |
| ·基于全局信息反馈的重新初始化过程 | 第36-37页 |
| ·PSO算法应用于RBFNN的详细设计 | 第37-40页 |
| ·仿真实验 | 第40-43页 |
| ·结论 | 第43-45页 |
| 第六章 基于人工鱼群算法的RBFNN | 第45-54页 |
| ·人工鱼群算法介绍 | 第45-46页 |
| ·人工鱼群算法行为描述 | 第46-48页 |
| ·微人工鱼群算法简介 | 第48页 |
| ·基于微人工鱼群算法的RBFNN | 第48-50页 |
| ·人工鱼的编码及初始化 | 第48-50页 |
| ·总体算法步骤 | 第50页 |
| ·仿真实验 | 第50-53页 |
| ·IRIS以及双螺旋分类实验 | 第50-52页 |
| ·人脸识别实验 | 第52-53页 |
| ·结论 | 第53-54页 |
| 第七章 总结和展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
