文摘
英文文摘
第1章绪论
1.1研究背景
1.1.1神经网络技术的研究热潮
1.1.2多层前馈神经网络在学习中遇到的困难
1.13用遗传算法优化设计前馈神经网络
1.2研究现状
1.3存在的问题
1.4研究意义及本课题的研究内容
第2章遗传算法
2.1遗传算法概述
2.2遗传算法的基本特点
2.3遗传算法的基本要素与性能分析
2.3.1编码方案
2.3.2群体设定与初始化
2.3.3适应度函数
2.3.4遗传操作
2.3.5控制参数的设定
2.4本章小结
第3章多层前馈神经网络
3.1多层前馈神经网络模型
3.2 BP算法
3.2.1 BP算法的训练过程
3.2.2 BP算法的缺陷及改进
3.2.3基于梯度学习算法的不足
3.3泛化
3.4本章小结
第4章改进的遗传算法优化设计前馈神经网络
4.1引言
4.2设计对象
4.3改进遗传算法的执行策略
4.3.1编码方案
4.3.2群体设定与初始化
4.3.3适应度函数的选择
4.3.4遗传操作
4.3.5自适应代沟的替代策略
4.4算法流程
4.5本章小结
第5章前馈神经网络优化算法的实现
5.1 MATLAB的基本理论
5.1.1 MATLAB的发展概述
5.1.2 MATLAB的主要功能
5.1.3 MATLAB的技术特点
5.2用MATLAB实现遗传算法
5.3用MATLAB实现遗传算法对前馈神经网络的优化设计
5.3.1初始化种群
5.3.2适应度函数的设计
5.3.3遗传算子的设计
5.3.4自适应代沟替代策略
5.4本章小结
第6章优化网络用于非线性函数逼近
6.1引言
6.2仿真内容
6.2.1基于本文算法的神经网络优化设计
6.2.2用改进的BP算法训练前馈神经网络权值
6.2.3用标准遗传算法训练神经网络权值
6.3仿真结果和结果分析
6.4本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
作者简介