| 【中文题名】 | 多层前向神经网络的结构辩识和改进算法 |
| 【英文题名】 | Structure Identification and Modified Algorithm of Multilayer Feedforward Neural Network |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-7-29 |
| 【中关键词】 | 多层前向神经网络,隐层,线性无关,结构,改进算法, |
| 【英关键词】 | Multilayer feedforward neural network,Hidden layer,Nonlinearly correlated,Structure,Modified algorithm, |
| 【分类导航】 | 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> |
| 【论文摘要】 |
近年来，神经网络的研究得到了异常迅速的发展，神经网络的特征充分显示了其在解决高度非线性和严重不确定性系统控制方面的巨大潜力，在各门学科领域中都有重要的意义。在神经网络模型中，多层前向神经网络是应用得最为广泛的一种网络，已经广泛运用于函数逼近、图像处理、模式识别、自适应控制等方面。
多层前向神经网络虽已应用于许多领域，但还是存在着一系列急需解决的问题，其中如何确定结构简单、性能优良的网络结构是最为棘手的问题之一，这一难题阻碍了神经网络更为广泛的应用。众所周知，应用神经网络的前提是确定网络的结构，但长期以来，由于没有理论的指导，大多数情况下都用试凑法来确定网络的结构，结果常常是计算量大，效率低。本文简要介绍了神经网络的基本知识，对神经网络结构辨识的方法做了系统的综述，对现有结构辨识的方法进行了探讨，分析了其优点和不足之处。本文对隐层神经元之间的关系进行了系统分析，得出在最优网络结构情况下，同一隐层的所有神经元对不同样本的输出应线性无关，并据此提出了一种新的神经网络结构辨识算法，还给出了容差的确定方法。仿真结果表明，网络的结构得到了简化，不仅满足了误差目标的要求，而且提高了网络的泛化能力。
... |
| 【论文题纲】 |
|
第一章 绪论 |
8-24 |
|
1．1 神经网络系统 |
8-11 |
|
1．1．1 神经网络 |
8 |
|
1．1．2 神经网络产生的背景 |
8-9 |
|
1．1．3 神经网络研究的内容 |
9-10 |
|
1．1．4 神经网络研究的目的和意义 |
10 |
|
1．1．5 神经网络的基本特征 |
10-11 |
|
1．2 神经网络的发展历程、学习与展望 |
11-17 |
|
1．2．1 神经网络研究的发展历程 |
11-13 |
|
1．2．2 人工神经网络的学习 |
13-16 |
|
1．2．3 神经网络的发展前景 |
16-17 |
|
1．3 课题的提出与发展动态 |
17-24 |
|
1．3．1 课题的提出及意义 |
17-19 |
|
1．3．2 神经网络结构辨识的发展动态 |
19-21 |
|
1．3．3 结构辨识方法评析 |
21-22 |
|
1．3．4 BP算法改进的发展动态 |
22-24 |
|
第二章 前向神经网络的结构辨识算法 |
24-39 |
|
2．1 神经网络隐层分析 |
24-26 |
|
2．1．1 神经网络隐层数分析 |
24-25 |
|
2．1．2 隐节点数的理论研究进展 |
25-26 |
|
2．2 单隐层前向神经网络的结构辨识算法 |
26-34 |
|
2．2．1 隐层神经元分析 |
26-29 |
|
2．2．2 正交最小二乘法 |
29-32 |
|
2．2．3 容差的确定 |
32-33 |
|
2．2．4 前向神经网络结构辨识算法 |
33-34 |
|
2．3 计算机仿真 |
34-38 |
|
2．4 小结 |
38-39 |
|
第三章 多层前向网络的改进算法 |
39-49 |
|
3．1 误差反向传播神经网络 |
39-43 |
|
3．1．1 误差反向传播神经网络 |
39-40 |
|
3．1．2 误差反向传播算法 |
40-41 |
|
3．1．3 BP网络的优缺点 |
41-43 |
|
3．2 前向网络的改进算法 |
43-47 |
|
3．2．1 奇异值分解及广义逆矩阵 |
43-44 |
|
3．2．2 隐层权值的求解 |
44-46 |
|
3．2．3 输入层权值的求解 |
46-47 |
|
3．2．4 前向网络的改进算法 |
47 |
|
3．3 计算机仿真 |
47-48 |
|
3．4 小结 |
48-49 |
|
第四章 结束语 |
49-50 |
|
参考文献 |
50-53 |
|
致谢 |
53 |
|
| 【DOI】 | LunWen.ID:2.2008.386583 |
