文摘
英文文摘
声明
1绪论
1.1人工神经网络模式识别概述
1.1.1神经网络模式识别的发展与现状
1.1 2神经网络模式识别方法与传统模式识别方法的关系
1.1.3神经网络模式识别的特点
1.2本文研究的内容、目的与组织结构
2人工神经网络理论基础
2.1生物学启示
2 2神经元模型
2.2.1传统神经元模型
2.2.2功能函数
2.2.3多输入神经元模型
2.3神经网络结构
2.4用于模式识别的神经网络模型
2.4.1神经网络模型
2.4.2神经网络的学习方式
2.5神经网络模式识别系统
2.5.1神经网络模式识别系统概述
2.5.2神经网络模式识别的典型方法
2.6本章小结
3 BP神经网络
3.1多层前馈网络的应用描述
3.2多层前馈网络模型与BP算法
3.2.1多层前馈网络模型的数学描述
3.2.2 BP算法
3.2.3 BP多层前馈网络的主要能力
3.3 BP算法的改进
3.3.1动量方法
3.3.2可变的学习速率
3.3.3 LM算法
3.4本章小结
4用于模式识别的遗传神经网络模型
4.1 BP神经网络存在的问题
4.2遗传算法
4.3遗传算法的特点
4.4遗传算法的缺陷
4.4.1早熟问题
4.4.2局部搜索能力差
4.4.3控制参数难以确定
4.5遗传算法的改进
4.6本章小结
5改进的遗传神经网络模型
5.1 BP算法与遗传算法的结合
5.1.1 GA-BP神经网络的优化策略
5.1.2 NFL定理的启示
5.2 GA-BP神经网络的模型
5.2.1编码设计
5.2.2适应度函数的确定
5.2.3种群的初始化
5.2.4遗传算子的设计
5.2.5基于数值优化技术的LM算法
5.2.6 GA-BP神经网络运行流程
5.3本章小结
6 GA-BP的模式识别系统
6.1神经网络开发环境介绍
6.2系统概述
6.3系统实现过程中接口问题的研究
6.3.1应用程序对数据库的连接及访问
6.3.2在Visual C++中调用MATLAB实现图形显示
6.4基于遗传算法及神经网络的模式识别系统
6.4.1建立模式识别模型及其主要界面
6.4.2网络训练实现及其主要界面
6.5应用实例
6.5.1故障预测问题
6.5.2岩石矿物识别问题
6.6本章小结
7结论
致谢
参考文献
南京理工大学;