首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于改进BP神经网络的织物染色计算机配色算法研究

摘要第1-3页
Abstract第3-7页
第一章 绪论第7-14页
   ·本课题的研究背景与意义第7页
   ·计算机配色技术的发展现状和配色形式第7-9页
     ·计算机配色技术的发展现状第7-9页
     ·计算机配色技术的配色形式第9页
   ·人工神经网络的发展及研究现状第9-12页
     ·神经网络的起源和发展第10-11页
     ·神经网络的研究现状第11-12页
   ·本课题研究的主要内容与创新点第12-14页
第二章 织物染色计算机配色技术的色度学原理第14-17页
   ·颜色和色彩空间第14-15页
     ·色彩空间第14页
     ·色彩混合第14-15页
   ·色彩的三基色第15页
   ·色彩测量和色差第15-16页
   ·本章小结第16-17页
第三章 人工神经网络模型第17-32页
   ·神经网络概述第17-19页
     ·神经网络的类型第17页
     ·神经网络的结构原理第17-19页
   ·BP神经网络第19-21页
     ·BP神经网络原理及算法第19-21页
     ·BP算法存在的缺陷第21页
   ·BP神经网络的改进第21-28页
     ·LM算法第22-24页
     ·OWO-HWO算法第24-28页
   ·RBF神经网络第28-31页
     ·RBF神经网络的结构第28页
     ·RBF神经网络的映射关系第28-29页
     ·RBF神经网络的映射机理第29页
     ·RBF神经网络的训练算法第29-31页
     ·BP网络与RBF网络的比较第31页
   ·本章小结第31-32页
第四章 基于遗传算法的BP神经网络模型第32-40页
   ·遗传算法简介第32页
   ·遗传算法基本原理第32-34页
     ·编码方法第32页
     ·适应度函数第32-33页
     ·遗传操作第33页
     ·遗传算法流程及终止准则第33-34页
   ·遗传算法与神经网络的结合第34-38页
     ·神经网络和遗传算法结合原理第34-35页
     ·遗传算法对神经网络的进化方式第35-36页
     ·遗传算法优化神经网络连接权的两种方式第36-37页
     ·基于遗传算法的BP神经网络的流程第37-38页
   ·本章小结第38-40页
第五章 基于神经网络配色模型的设计与实现第40-56页
   ·基于神经网络的配色模型概述第40页
   ·网络模型结构的确定第40-41页
     ·输入层和输出层的设计第40-41页
     ·隐层的设计第41页
   ·神经元节点数的确定第41-42页
     ·输入层和输出层神经元个数的确定第41页
     ·隐层神经元个数的确定第41-42页
   ·网络模型设计及参数选择第42-43页
   ·样本数据的获取及其预处理第43-47页
   ·训练方式的确定第47页
   ·仿真软件及网络模型的实现第47-54页
     ·网络模型设计实现的原则和过程第47-48页
     ·MATLAB软件及GA-LMBP神经网络模型实现第48-52页
     ·NeuroSolutions仿真软件及RBF神经网络模型实现第52-53页
     ·NuMap仿真软件及基于OWO-HWO算法神经网络模型实现第53-54页
   ·神经网络模型泛化能力的研究第54-55页
   ·本章小结第55-56页
第六章 基于神经网络配色模型的仿真实验及结果分析第56-64页
   ·基于BP和RBF神经网络模型的仿真结果分析第56-57页
     ·极品中三元三拼色的仿真结果第56-57页
   ·基于LMBP和GA-LMBP神经网络模型的仿真结果分析第57-61页
     ·虹光深三元三拼色的仿真结果第57-59页
     ·极品中三元三拼色的仿真结果第59-61页
   ·基于OWO-HWO算法和GA-LMBP神经网络模型的仿真结果分析第61-63页
     ·京仁浅三元三拼色的仿真结果第61-63页
   ·本章小结第63-64页
第七章 总结和展望第64-66页
参考文献第66-69页
攻读学位期间的研究成果第69-70页
致谢第70-71页

论文共71页,点击 下载论文
上一篇:群体智能算法在RBF神经网络中的应用
下一篇:T-S模糊时滞系统的时滞相关稳定性研究