| 【中文题名】 | 面向辨识与回归的模块化神经网络方法研究 |
| 【英文题名】 | A Study on Modular Neural Network for Identification and Regression |
| 【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】 | 2003-5-9 |
| 【中关键词】 | 模块化神经网络,机器学习,组合方法,贝叶斯方法,序贯分析, |
| 【英关键词】 | modular neural network,machine learning,combination method,Bayesian method,sequential analysis, |
| 【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】 |
模块化神经网络是近些年来提出的一种新型连接主义结构模型，它由多个网络组成，试图通过各个网络之间的竞争或协作来提高系统的整体性能。大量的研究表明，模块化神经网络在泛化能力和可靠性上比单一神经网络都有所提高，为我们提供了一条问题求解的新途径。而且最近所提出的一些理论分析与实验也都证实了常见的模块化神经网络方法的有效性。由于认识到模块化神经网络所蕴含的巨大潜力和应用前景，大量研究者涌入该领域，理论和成果不断涌现，使得模块化神经网络成为目前许多领域的一个相当活跃的研究热点，譬如模式识别、控制、决策、机器学习、信息处理等。
模块化神经网络的研究主要集中在两个方面，即如何将多个神经网络的输出结论进行结合以及如何生成系统中的个体网络。本文以建模与回归问题为例就模块化神经网络系统中各个网络的组合方法展开研究，提出了三种组合方法，并以多个实例进行仿真测试，得出了有意义的结论。
全文共分五章。第1章简要地论述了引入模块化神经网络技术的必要性和重要性，并从概念、构建动机、分类、任务分解、设计、学习以及应用等七个方面对模块化神经网络作了简单综述。第2章提出了一种新的模块化神经网络组合法。该方法是一... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
英文摘要 |
4-5 |
|
目录 |
5-6 |
|
第1章 绪论 |
6-17 |
|
1．1 引言 |
6-7 |
|
1．2 模块化神经网络 |
7-15 |
|
1．3 文章结构 |
15-17 |
|
第2章 模块化神经网络的动态组合方法 |
17-33 |
|
2．1 引言 |
17-18 |
|
2．2 理论分析 |
18-20 |
|
2．3 算法概述 |
20-23 |
|
2．4 仿真实验 |
23-31 |
|
2．5 小结 |
31-33 |
|
第3章 改进的模块化神经网络贝叶斯学习法 |
33-45 |
|
3．1 引言 |
33-34 |
|
3．2 模块化神经网络的贝叶斯学习法 |
34-36 |
|
3．3 改进的贝叶斯学习法 |
36-39 |
|
3．4 仿真实验 |
39-44 |
|
3．5 小结 |
44-45 |
|
第4章 模块化神经网络的序贯贝叶斯学习法 |
45-53 |
|
4．1 引言 |
45-47 |
|
4．2 模块化神经网络的序贯贝叶斯学习法 |
47-49 |
|
4．3 仿真实验 |
49-52 |
|
4．4 小结 |
52-53 |
|
第5章 结论与展望 |
53-55 |
|
5．1 结论 |
53 |
|
5．2 工作展望 |
53-55 |
|
致谢 |
55-56 |
|
参考文献 |
56-59 |
|
| 【DOI】 | LunWen.ID:2.2008.386716 |
