| 【中文题名】 | 神经计算及其在感观评估中的应用 |
| 【英文题名】 | Neural Computation and It's Application in Sensory Evaluation |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-10-26 |
| 【中关键词】 | 神经计算,知识提取,阶梯样本,统计分析,相关分析,模型评价 |
| 【英关键词】 | Neural Computing,Knowledge Extraction,Multivariate Statistical Analysis,Correlation Analysis,Feature Selection,Model Evaluation,Sensory Evaluation, |
| 【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】 | 近十年来,神经网络理论与实践有了引人注目的进展,它再一次拓展了计算概念的内涵,使神经计算成为新的学科。近几年来发达国家的政府、军队、公司对神经网络给予极大的关注,并积极开展相关的研究。现在,神经计算及其应用已经渗透到各学科,并在模式识别、智能控制、风险评估、故障分析、知识发现、遥感技术等领域取得令人鼓舞的进展。事实上,探究大脑—思维—计算之间关系的研究还刚刚开始,道路还十分漫长,神经网络计算的理论研究及其应用的前沿问题将渗透在21世纪科学的挑战性问题中,并可能取得重大的突破。
本文对神经计算目前存在的问题进行了研究,主要包括如何增强神经网络的可理解性,将神经网络理论与多元统计分析理论相结合,并在实际工程中加以应用。主要研究成果有:
1) 针对神经网络内部知识提取的问题,提出了一种利用构造阶梯样本,将受训BP网络内部知识以直观的形式(阶梯图)反映出来,从而实现对样本输入与输出变量间的相关性定量分析的方法。与传统方法比较,这种新的相关性分析方法能更充分地揭示样本中输入与输出变量间的线性和非线性相关性。
2) 针对SOM网络拓扑映射的保序性形成机理,将样本对神经元的作用等价分析为... |
| 【论文题纲】 |
|
前言 |
9-10 |
|
1. 神经计算 |
10-15 |
|
1.1 神经计算的概念 |
10 |
|
1.2 神经计算研究的重要性 |
10-11 |
|
1.3 神经计算存在的问题 |
11-12 |
|
1.4 本文的工作 |
12-15 |
|
2. 增强神经网络的可理解性 |
15-31 |
|
2.1 内部知识提取 |
15-23 |
|
2.1.1 概述 |
15-16 |
|
2.1.2 研究现状 |
16-21 |
|
2.1.3 基于BP网络的相关分析 |
21-23 |
|
2.2 SOM拓扑保序机理研究 |
23-31 |
|
2.2.1 概述 |
23-24 |
|
2.2.2 SOM算法简述 |
24-26 |
|
2.2.3 研究与实验 |
26-31 |
|
3. 神经计算与统计模式识别关系研究 |
31-43 |
|
3.1 引言 |
31 |
|
3.2 统计分析概述 |
31-37 |
|
3.2.1 相关分析 |
32-34 |
|
3.2.2 回归分析 |
34-37 |
|
3.3 神经网络学习过程的统计性质 |
37-41 |
|
3.4 模型评估与选择 |
41-43 |
|
4. 基于神经计算的卷烟感观评估 |
43-58 |
|
4.1 传统卷烟感官评估 |
43-45 |
|
4.1.1 现状及其存在的问题 |
43-44 |
|
4.1.2 烟叶和卷烟的基本特征 |
44-45 |
|
4.2 卷烟感观评估的神经计算实现 |
45-54 |
|
4.2.1 国内外研究现状及发展趋势 |
45-47 |
|
4.2.2 实现方案 |
47-48 |
|
4.2.3 预处理 |
48-51 |
|
4.2.3 特征选择 |
51-54 |
|
4.3 基于神经计算的感观评估 |
54-58 |
|
结论及展望 |
58-60 |
|
结论 |
58-59 |
|
展望 |
59-60 |
|
参考文献 |
60-64 |
|
致谢 |
64-65 |
|
攻读硕士学位期间完成的学术论文 |
65 |
|
| 【DOI】 | LunWen.ID:2.2008.387489 |
