声明
摘要
第一章 绪论
1.1 选题背景及研究意义
1.2 神经网络的研究现状
1.3 主要研究内容与创新点
1.4 本文的章节安排
第二章 BP神经网络概述
2.1 人工神经网络的概念
2.1.1 人工神经元模型
2.2 BP神经网络
2.2.1 BP神经网络的结构及算法流程
2.2.2 BP神经网络的优缺点
2.3 组合神经网络模型简介
2.4 相关算法简介
2.4.1 Bagging方法
2.4.2 Boosting方法
2.4.3 Bagging算法与Boosting算法的区别
第三章 一种新的组合BP神经网络模型(分类问题)
3.1 组合随机BP神经网络模型算法
3.2 实验
3.2.1 实验结论
3.3 实验扩展
3.3.1 OOB准确率
3.3.2 预测置信度
3.3.3 样本之间的相似度矩阵
3.3.4 属性重要性
3.4 小结
第四章 回归情形的CRBPNN
4.1 回归情形的CRBPNN算法
4.2 实验
4.2.1 实验结论
4.3 回归实验扩展
4.3.1 OOB均方误差
4.3.2 预测置信度
4.3.3 样本之间的相似度矩阵
4.3.4 属性重要性
4.4 小结
第五章 总结与展望
参考文献
附录
致谢
厦门大学;