文摘
英文文摘
声明
引言
第一章 绪论
1.1神经网络技术的发展与现状
1.2本文的所做工作及内容安排
第二章RBFNN基本理论概述
2.1 RBFNN结构及其特点
2.2 RBFNN的权值算法研究
2.2.1 M-P伪逆算法
2.2.2递推最小二乘算法
2.2.3递推正交最小二乘法
2.3 RBF神经网络的特点
2.4结束语
第三章RBFNN的学习算法
3.1随即选取固定中心
3.2中心的自组织选择
3.3中心的监督选择
3.4基于进化优化方法
3.5基于混合优化策略
3.6结束语
第四章蚁群算法描述
4.1基本蚁群算法的数学描述
4.2蚁群算法的特点
4.2.1人工蚂蚁系统与真实蚂蚁系统的比较:
4.2.2蚁群算法的优点
4.2.3蚁群算法的缺点
4.3算法的改进
4.3.1状态转移概率公式的改进
4.3.2信息素更新策略的改进
4.3.3 MMAS
4.3.4蚁群优化算法:
4.4蚁群算法的发展和研究应用现状
4.5结束语
第五章 基于蚁群聚类和裁剪方法的RBF神经网络优化算法
5.1蚁群聚类算法
5.2隐层单元结构的调整
5.3隐含层到输出层权值的调整
5.4基于蚁群算法和裁剪方法的RBF神经网络整体优化算法
5.5实验与讨论
5.6结束语
第六章 基于蚁群优化算法和最速下降法的RBF神经网络参数优化算法
6.1蚁群优化算法改进
6.2利用最速下降法调整网络参数
6.3权值计算
6.4 RBF神经网络参数优化整体算法
6.5仿真实验
6.6结束语
第七章总结和展望
参考文献
攻读学位期间的研究成果
致谢
青岛大学;