西方文学

改进的粒子群优化BP神经网络在大坝变形预测中的应用

  • 本站
  • 2019-07-10
  • 21已阅读
简介 摘要第1-5页Abstract第5-11页1绪论第11-19页·研究背景及意义第11-13页·国内外研究现状第13-16页·研究内容第16-19页·本文主要研究的内容第16页·本文结构第16-

改进的粒子群优化BP神经网络在大坝变形预测中的应用

摘要第1-5页Abstract第5-11页1绪论第11-19页·研究背景及意义第11-13页·国内外研究现状第13-16页·研究内容第16-19页·本文主要研究的内容第16页·本文结构第16-19页2BP神经网络第19-31页·人工神经网络的基本原理第19-21页·人工神经网络的简介第19页·人工神经网络的发展历史第19-20页·人工神经网络的特点及主要功能第20-21页·人工神经网络的研究趋势第21页·人工神经元的结构及模型第21-23页·生物神经元的结构第21-22页·人工神经元模型第22-23页·人工神经网络第23-26页·人工神经网络的模型第23-25页·人工神经网络的学习方式第25页·人工神经网络的学习算法第25-26页·BP神经网络第26-29页·BP神经网络原理第26-27页·BP神经网络算法流程第27-29页·BP神经网络算法的缺陷和不足第29页·本章小结第29-31页3对粒子群算法的改进研究第31-43页·基本粒子群算法第31-33页·PSO算法的原理第31页·PSO算法的基本特点第31-32页·PSO算法的参数分析第32-33页·PSO算法的基本流程第33页·几种PSO算法第33-36页·权重线性递减的PSO算法第34-35页·权重随机的PSO算法第35页·改进的PSO算法第35-36页·几种PSO算法的数值试验对比第36-39页·种群规模对于改进的PSO算法的影响第39-41页·本章小结第41-43页4改进后的PSO-BP优化算法在大坝变形预测中的应用第43-63页·PSO-BP神经网络模型中BP结构的确定第43-45页·大坝变形因子的预处理第43页·BP结构中输入因子和输出量的确定第43-45页·隐含层节点数的确定第45页·PSO-BP神经网络算法的模型设计及流程第45-48页·PSO-BP神经网络算法的模型设计第45-46页·PSO-BP神经网络算法的流程第46-48页·BP神经网络模型的应用第48-51页·BP神经网络模型的拟合效果及精度分析第48-50页·BP神经网络模型的不足及改进思路第50-51页·PSO-BP模型与改进的PSO-BP模型的变形拟合第51-57页·PSO-BP模型与改进的PSO-BP模型的拟合效果第51-55页·PSO-BP模型与改进的PSO-BP模型的拟合精度分析第55-57页·PSO-BP模型与改进的PSO-BP模型的变形预测第57-61页·PSO-BP模型与改进的PSO-BP模型的预测效果第57-60页·PSO-BP模型与改进的PSO-BP模型的预测精度分析第60-61页·本章小结第61-63页5结论与展望第63-65页·结论第63页·展望第63-65页致谢第65-67页参考文献第67-73页攻读硕士期间参加的科研项目第73页。

Top