| 【中文题名】 | 基于PNN时变系统信号处理技术研究 |
| 【英文题名】 | Study on Time-varied System Signal Processing Technology Based on PNN |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-6-12 |
| 【中关键词】 | 智能信息处理,过程神经元网络,学习算法,预处理,模式识别,信号预测 |
| 【英关键词】 | Intelligence Information Processing,Process Neural Networks,Learning Algorithm,Pretreatment,Pattern Recognition,Signal Prediction, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>通信>通信理论>信号处理> |
| 【论文摘要】 | 复杂信号处理理论和技术是目前计算机应用技术领域一个重要的研究方向。随着信号与信息处理研究领域的不断扩大,以及许多非线性系统存在影响因素的随机性和信息变换机制的复杂性,智能信号与信息处理技术已成为计算机应用领域研究的一个热点。
过程神经元网络(Process Neural Networks,PNN)是针对实际问题中许多系统的输入是依赖于时间变化的一个过程,一些控制信号的输出即依赖于输入信号的空间聚合作用,又与输入信号的时间累积效应密切相关的问题提出的理论和模型。过程神经元的输入和连接权可以是时变函数,并在传统神经元空间聚合运算的基础上,增加了一个对于时间的聚合算子,使过程神经元的聚合运算和激励作用能同时反映时变输入信号的空间总和效应和时间累积效应,可实现非线性动态系统输入/输出之间的复杂映射关系,在实际中对于求解输入/输出均与过程有关的众多问题有着广泛的适应性。
论文主要针对非线性时变信号处理中建模问题,在过程神经元网络基本模型和概念的基础上,结合具体应用,研究适合于时变信号处理的过程神经元网络模型、学习算法以及将过程神经元网络应用于时变系统信号处理问题的实现技术。介绍了目前常用的智能信息处理方法、过程... |
| 【论文题纲】 |
|
第一章 绪论 |
8-14 |
|
1.1 信号处理与智能信息处理技术 |
8-9 |
|
1.2 神经网络发展和应用 |
9-10 |
|
1.3 过程神经元与过程神经元网络 |
10-11 |
|
1.4 过程神经元网络适应性分析 |
11-12 |
|
1.5 本文所展开的工作 |
12-14 |
|
第二章 智能信息处理理论和方法 |
14-25 |
|
2.1 人工神经网络 |
14-17 |
|
2.1.1 人工神经元的数学模型 |
14 |
|
2.1.2 人工神经元网络模型 |
14-15 |
|
2.1.3 人工神经网络的学习方法 |
15-16 |
|
2.1.4 神经网络的函数逼近能力 |
16-17 |
|
2.2 模糊理论 |
17-18 |
|
2.3 进化计算 |
18-20 |
|
2.4 信息融合技术 |
20-22 |
|
2.5 盲分离技术 |
22-25 |
|
第三章 过程神经元网络模型及学习算法 |
25-40 |
|
3.1 过程神经元 |
25-27 |
|
3.2 前馈过程神经元网络的一般模型及学习算法 |
27-32 |
|
3.2.1 前馈过程神经元网络的一般模型 |
27-28 |
|
3.2.2 基于梯度下降的学习算法 |
28-30 |
|
3.2.3 基于函数正交基展开的学习算法 |
30-32 |
|
3.3 有理式过程神经网络模型及学习算法 |
32-35 |
|
3.3.1 有理式过程神经元 |
32-33 |
|
3.3.2 有理式过程神经元网络模型 |
33-34 |
|
3.3.3 学习算法 |
34-35 |
|
3.4 输入输出均为时变函数的过程神经网络模型及学习算法 |
35-40 |
|
3.4.1 输入输出均为时变函数的过程神经元 |
35-36 |
|
3.4.2 输入输出均为时变函数的过程神经元网络模型 |
36-37 |
|
3.4.3 学习算法 |
37-40 |
|
第四章 基于过程神经元网络的信号处理 |
40-55 |
|
4.1 过程神经网络在信号处理中的预处理方法 |
40-47 |
|
4.1.1 基于连续函数沃尔什变换的预处理 |
40-43 |
|
4.1.2 基于傅立叶函数正交基变换的预处理 |
43-47 |
|
4.2 基于过程神经网络的信号消噪和模式识别 |
47-50 |
|
4.2.1 基于前馈过程神经网络的信号消噪 |
47-48 |
|
4.2.2 基于自组织过程神经网络的信号识别 |
48-50 |
|
4.3 基于过程神经网络的信号预测 |
50-55 |
|
4.3.1 过程神经元网络用于信号预测的方法 |
51-52 |
|
4.3.2 仿真实例 |
52-55 |
|
第五章 PNN 在油田开发采油过程动态模拟中的应用实例 |
55-59 |
|
5.1 应用背景 |
55 |
|
5.2 油田开发采油过程动态模拟的 PNN 模型 |
55-57 |
|
5.3 实验结果分析 |
57-58 |
|
5.4 结语 |
58-59 |
|
结论 |
59-60 |
|
致谢 |
60-61 |
|
参考文献 |
61-64 |
|
附录 攻读硕士学位期间发表的论文 |
64-65 |
|
中文详细摘要 |
65-73 |
|
| 【DOI】 | LunWen.ID:2.2008.387685 |
