数值优化技术编码的PSO混合算法及其在前馈神经网络训练中的应用研究

文摘

英文文摘

论文说明：插图目录、图表目录

第一章绪论

1.1引言

1.2微粒群算法的发展

1.2.1基本微粒群算法

1.2.2基本微粒群算法的社会行为分析

1.2.3带惯性权重的PSO算法

1.2.4带有收缩因子的微粒群算法

1.2.5保证收敛的改进微粒群算法

1.2.6协同PSO算法

1.3微粒群算法的研究方向

1.4演化计算与遗传算法

1.5本文的内容安排

参考文献

第二章PSO算法在神经网络训练中的应用

2.1引言

2.2人工神经网络(Artificial Neural Network，ANN)

2.2.1人工神经网络的提出

2.2.2人工神经网络的基本概念

2.2.3前馈神经网络(feedforward neural network)

2.2.4网络的泛化能力

2.3网络训练优化算法

2.3.1反向传播算法

2.3.2基于标准梯度下降的方法

2.3.3基于数值优化方法的网络训练算法

2.4用粒子群算法优化前馈神经网络

2.4.1训练神经网络的PSO算法的设计

2.5本章小结

参考文献

第三章混合粒子群算法及其应用

3.1引言

3.2 PSO算法在函数优化中的应用

3.3基于BP算法的混合粒子群优化算法(PSO-BP)

3.3.1 PSO-BP算法的思想以及算法流程

3.3.2惯性权重的挑选策略

3.3.3实验结果和讨论

3.4基于数值优化算法的混合PSO算法

3.4.1混合算法思想以及算法流程

3.4.2实验结果以及讨论

3.5本章小结

参考文献：

总结与展望

硕士学位期间发表论文、参加科研项目情况

致谢