声明
摘要
第一章 绪论
1.1 课题研究背景
1.2 国内外研究现状
1.2.1 神经网络的发展
1.2.2 ELM研究现状
1.2.2 粒子群算法研究现状
1.2.3 信息熵研究现状
1.3 课题研究内容
1.4 论文组织结构
第二章 基于信息熵的ELM输入变量优化算法
2.1 ELM神经网络
2.1.1 极限学习机算法
2.2 熵理论
2.2.1 信息熵
2.2.2 熵权法
2.2.3 联合熵
2.2.4 条件熵
2.2.5 互信息
2.3 基于信息熵的输入变量优化算法
2.4 实验测试
2.4.1 Breast Cancer实验测试
2.4.2 Ionosphere实验测试
2.4.3 QSAR biodegradation实验测试
2.5 本章小结
第三章 基于Tent混沌映射和SQP优化的PSO算法
3.1 粒子群算法
3.1.1 粒子群算法概述
3.1.2 早熟判断
3.1.3 LDWPSO
3.2 混沌映射
3.3 序贯二次规划法
3.4 TPSOSQP算法
3.4.1 IPSOSQP算法步骤
3.5 实验测试
3.6 本章小结
第四章 基于TPSOSQP算法的极限学习机优化
4.1 PSO优化神经网络
4.1.1 TPSOSQP优化ELM基本思想
4.1.2 TPSOSQP优化FLM算法步骤
4.1.3 粒子编码方法
4.2 基于互信息与粒子群优化的极限学习机
4.3 实验测试
4.3.1 实验设置
4.3.2 Housing数据集
4.3.3 Ionosphere(MI)数据集
4.4 本章小结
第五章 工业应用
5.1 PTA化工过程
5.2 PTA化工过程建模
5.2.1 互信息筛选输入变量
5.2.2 精度验证
5.2.3 TPSOSQP优化
5.4 本章小结
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
研究成果及录用的学术论文
作者和导师简介