基于进化计算的前向神经网络学习算法研究
RESEARCH ON NEURAL NETWORKLEARNING ALGORITHMS BASED ONEVOLUTIONARY COMPUTATION
摘 要
Abstract
Contents
插 图
List of Figures
表 格
List of Tables
第1章 绪论
1.1 课题背景及意义
1.2 神经网络研究背景
1.3 神经网络存在的一些问题
1.4 进化计算
1.4.1 进化计算的含义、特点和基本框架
1.4.2 遗传算法 (GA)
1.4.3 粒子群算法 (PSO)
1.5 神经网络与进化计算的结合
1.6 本文的主要研究内容
第2章 基于梯度粒子群的神经网络权值学习方法
2.1 引言
2.2 前馈网络数学基础
2.3 梯度粒子群优化网络权值学习方法
2.3.1 梯度粒子群学习算法的引入
2.3.2 梯度粒子群学习算法描述
2.3.3 梯度粒子群学习算法特点
2.4 实验算例
2.4.1 三输入异或问题
2.4.2 静态函数逼近问题
2.5 实际应用
2.6 本章小结
第3章 基于混合进化策略的前向神经网络结构与权值调整优选方法
3.1 引言
3.2 全局数值寻优的一种混合遗传算法 (HIGAPSO)
3.2.1 混合遗传算法的引入
3.2.2 改进的遗传算法 (IGA)
3.2.3 改进遗传算法与粒子群算法的结合
3.2.4 混合改进遗传算法的特点
3.2.5 收敛性证明
3.2.6 数值实验与结果
3.3 基于 HIGAPSO方法的前向网络结构与权值调整优选方法
3.3.1 带连接开关的神经网络
3.3.2 HIGAPSO算法用于前向网络结构与权值优化设计
3.4 应用实例与实验比较
3.4.1 太阳黑子数预测
3.4.2 联想记忆
3.4.3 三输入异或开关
3.5 本章小结
第4章 径向基 (RBF)神经网络一种两级学习方法
4.1 引言
4.2 RBF网络两级学习设计方法
4.2.1 两级学习设计方法的引入
4.2.2 正则化正交最小二乘法
4.2.3 正则化最小二乘法与 D-最优试验设计方法的结合
4.2.4 基于粒子群优化的 RBF网络两级学习方法
4.3 仿真实例
4.3.1 标量函数逼近问题
4.3.2 非线性时间序列建模问题
4.3.3 燃烧炉模型辨识
4.4 本章小结
第5章 直升机自转着陆过程旋翼转速建模
5.1 引言
5.2 旋翼转速建模困难
5.2.1 旋翼自转定义
5.2.2 机理方法建模的困难
5.3 旋翼转速神经网络建模方法
5.3.1 旋翼转速对象数据
5.3.2 参与建模的各前向网络设计方法
5.4 试验结果
5.4.1 各前向网络设计方法的参数设置
5.4.2 旋翼转速 RBF网络模型设计结果
5.4.3 旋翼转速 BP网络模型各设计方法学习结果比较
5.4.4 旋翼转速不同网络模型设计结果比较
5.5 本章小结
结 论
参考文献
攻读博士学位期间所发表的论文
哈尔滨工业大学博士学位论文原创性声明
哈尔滨工业大学博士学位论文使用授权书
致 谢
个人简历