| 【中文题名】 | 分布式神经计算平台的设计与实现 |
| 【英文题名】 | |
| 【学科专业】 | 计算机应用 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-4-4 |
| 【中关键词】 | 神经网络,J2EE,四层结构,分布式,网格,算法优化 |
| 【英关键词】 | ANN,J2EE,four-layer architecture,distribution,grid,algorithm optimization, |
| 【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>> |
| 【论文摘要】 | 人工神经网络是为了模拟动物神经细胞群学习特性的结构和功能而构成的一种信息处理系统，它所具有的并行计算能力、容错能力、泛化能力，以及以任意精度逼近未知非线性对象的特点，为解决未知非线性对象的控制问题，提供了一种有效的方法。神经网络的研究内容相当广泛，与多种科学领域的发展密切相关，目前在语音识别，字符识别，影像技术，图案识别和分类，信号过程，过程控制和优化等领域得到许多应用。因此开发一个高性能的神经计算服务平台具有重要意义。
本平台采用了集中调度和分布式计算的思想，并实现了多种神经网络模型，例如BP模型、Hopfield模型、Boltzmann机模型、ART模型、BAM模型、遗传算法等等。计算平台要求能够跨平台使用，对于神经网络算法也要求能经过简单的配置就可以运行。因此Sun公司提出的J2EE平台能很好的满足神经网络计算平台的架构。J2EE是一种利用Java 2平台来简化企业解决方案的开发、部署和管理相关的复杂问题的体系结构。J2EE体系结构提供中间层集成框架用来满足无需太多费用而又需要高可用性、高可靠性以及可扩展性的应用的需求。
本文分为5个章节：
第一章介绍了神经网络和分布... |
| 【论文题纲】 |
|
摘要 |
2-3 |
|
Abstract |
3-5 |
|
第一章 绪论 |
5-16 |
|
1．1 人工神经网络原理及发展状况 |
5-9 |
|
1．2 分布式计算技术的现状 |
9-14 |
|
1．3 分布式神经计算平台 |
14-16 |
|
第二章 计算平台架构工具简介 |
16-30 |
|
2．1 计算平台体系结构选择 |
16-20 |
|
2．1．1 二层应用体系结构 |
16-18 |
|
2．1．2 传统的三层应用体系结构 |
18-19 |
|
2．1．3 基于Web的应用体系结构 |
19-20 |
|
2．2 J2EE应用体系结构 |
20-28 |
|
2．2．1 J2ME的概念 |
21 |
|
2．2．2 J2ME的优势 |
21-22 |
|
2．2．3 J2ME的四层模型 |
22-26 |
|
2．2．4 J2ME的结构 |
26-28 |
|
2．3 计算平台后台使用工具简介 |
28-30 |
|
第三章 神经计算平台的设计与实现 |
30-41 |
|
3．1 计算平台的模块划分及设计要求 |
30-31 |
|
3．2 用户交互 |
31-36 |
|
3．2．1 控制层 |
31-33 |
|
3．2．2 业务层 |
33-36 |
|
3．3 数据管理 |
36-38 |
|
3．3 计算任务调度的实现 |
38-39 |
|
3．3．1 计算任务队列的实现 |
38 |
|
3．3．2 计算节点队列的实现 |
38-39 |
|
3．3．3 计算任务调度的实现 |
39 |
|
3．4 计算节点客户端程序 |
39-41 |
|
第四章 基于遗传算法优化的BP神经网络 |
41-50 |
|
4．1 BP神经网络概述 |
41-44 |
|
4．2 遗传算法优化BP神经网络 |
44-48 |
|
4．3 预测算法小结 |
48-50 |
|
第五章 总结和展望 |
50-51 |
|
参考文献 |
51-53 |
|
致谢 |
53 |
|
| 【DOI】 | LunWen.ID:2.2008.387264 |
