学位论文 > 优秀研究生学位论文题录展示
多层前向神经网络结构的研究
作 者: 陈非
导 师: 王金城
学 校: 大连理工大学
专 业: 控制科学与控制工程
关键词: 非线性系统辨识 多层前向神经网络 模型结构 CC算法 CBP 算法
分类号: TP183
类 型: 硕士论文
年 份: 2000年
下 载: 372次
引 用: 4次
阅 读: 论文下载
内容摘要
随着控制对象的日益复杂和控制任务的日益提高,智能控制理论近年来得到了迅速发展。神经网络在实践中被证明是非线性系统辨识有力工具,但传统系统辨识中的一些理论问题并没有得到相应解决,如稳定性,收敛性及辨识结构等问题。 神经网络的结构对于前向网络的特性有重要的影响,如网络容量,学习速度,泛化能力等。标准BP算法是针对网络结构是固定的情况下搜索权值,一般来说,这只能在网络结构被正确选取才有用。如果网络结构不当,我们可能会欠拟合、过拟合或浪费计算资源,因此如果能找到能自动选取网络结构的算法是很有吸引力的。本文比较了几种将网络结构与问题匹配的方法,指出了他们的优缺点。针对级连相关算法(CC algorithm)的缺点,提出了一种新的方法——CBP算法。通过分析,我们指出即使CBP算法需要将误差反传一层隐层,但两者的计算复杂性相同。CBP算法除了CC的优点外,它还能使算法更为简单,并能利用随机优化算法。另外,CBP算法还能推广到允许一次加入几个隐节点。通过仿真,我们证明了CBP算法比CC算法有效。
|
全文目录
中文摘要 5-6 英文摘要 6-7 前 言 7-10 第一章 绪论 10-16 1.1 系统辨识的重要性 10-11 1.2 系统辨识研究历史的回顾及现状 11-13 1.3 神经网络理论研究的历史回顾及现状 13-14 1.4 神经网络研究的主要方向 14-16 第二章 系统辨识基础 16-21 2.1 模型与实体 16 2.2 辨识的定义 16-17 2.3 辨识算法的基本原理 17-18 2.4 系统辨识的常用方法 18-19 2.5 系统辨识的基本过程 19-21 第三章 神经网络基础 21-34 3.1 神经网络模型 21-27 3.2 神经网络学习算法 27-30 3.3 神经网络的特点 30-31 3.4 神经网络与自动控制 31-34 第四章 非线性系统辨识与神经网络辨识 34-52 4.1 控制理论的发展与现状 34-35 4.2 非线性系统辨识 35-43 4.3 神经网络辨识 43-52 第五章 多层前向神经网络的结构研究 52-60 5.1 引言 52 5.2 问题的提出 52-56 5.3 现有的解决方案 56-60 第六章 CBP算法及仿真结果 60-70 6.1 结构学习方案比较 60-61 6.2 CC学习算法及其缺点 61-63 6.3 CBP算法的提出 63-65 6.4 CC算法及CBP算法性能比较 65-67 6.5 仿真结果 67-70 结束语 70-72 参考文献 72-75
|
相似论文
- 魔力平台业务过程建模冲突消解的研究与实现,TP311.5
- 行星驱动式深松机的结构设计与仿真分析,S222
- 列管式固定床反应器的模拟与设计,TQ052
- 基于S-O-R模型的服装网络购买意愿影响因素实证研究,F713.36;F224
- 手机报服务继续使用行为实证研究,F224
- 铁基超导材料中的条纹状反铁磁态的自旋波激发,O469
- 绿色消费动力机制模型研究,F113;F205
- 煤矿企业安全文化建设与评价指标体系研究,TD79
- 一种基于多Agent的工作流引擎及其动态性研究,TP311.52
- 中国外汇储备资产币种结构优化研究,F832.6
- 大学生基于互联网创业意愿实证研究,F724.6
- 就业服务顾客满意度指数(CESSI)模型及其应用,F249.2;F224
- 高校教学服务满意度研究,G642.4
- 辽宁省初中教育顾客满意度指数模型研究,G635.5
- 辽宁省小学教育顾客满意度指数模型研究,G629.2
- 基于BP神经网络广义预测控制在气体压缩过程中的应用研究,TP273
- 电子支付接受行为影响因素实证研究,F724.6
- 碳酸盐岩储层结构刻画与流体识别,P618.13
- 基于DE算法的DRNN网络非线性系统辨识研究,N945.14
- 基于RPROP-DE算法的模糊RBF网络非线性系统辨识,N945.14
- 基于流固耦合的水库港岩质边坡稳定性分析,U652.2
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|