基于人工神经网络的动态系统仿真模型和算法研究-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

基于人工神经网络的动态系统仿真模型和算法研究

作者：陈元琳 Publish: 2006-6-12 Hits:-

【中文题名】

基于人工神经网络的动态系统仿真模型和算法研究

【英文题名】

Study on Models and Algorithms of Artificial Neural Networks Used in Dynamic System Simulation

【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】

时变输入输出系统,离散系统,过程神经元网络,泛函数逼近能力,计算能力,连续性

【英关键词】

systems with time-varying inputs and outputs,discrete systems,process neural networks,function approximation ability,computational capacity,continuity,learning algorithms,system simulation,

【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】

计算机系统仿真技术目前已成为分析、研究各种系统,特别是复杂系统的重要工具,由于具有经济、可靠、易实现和可多次重复使用等优点,已成为对实际系统进行分析、设计、实验、评估的有效手段,在科学研究和工程领域具有广泛的应用。随着计算机系统仿真应用领域的不断扩大,人们所面临的系统建模问题也变得越来越复杂。目前主要存在两个方面的问题:一是建模对象复杂,存在着多种不确定性以及难以确定描述的非线性特性;二是对系统建模的要求越来越高,迫切需要提高系统模型的描述能力和建模方法的灵活性、普适性以及智能水平。人工神经网络是近年来计算机智能研究领域发展迅速的一门理论和技术,由于其用于问题求解无需事先建立精确的物理模型和数学模型而被应用于计算机系统仿真建模,且多层前馈网络可以逼近任意的连续函数,并与一个微分方程(组)对实际系统的描述能力等价,是一种适用性较强的系统仿真建模方法。同时该方法具有通过向环境学习获取知识(即通过对系统输入/输出典型样本数据的学习,来获取系统内部隐含的规律)的能力,因此对于系统仿真问题具有较好的适应性。本课题主要针对动态系统仿真的一些实际问题,研究适用于动态系统建模的人工神经网络模型和学习算法。首...

【论文题纲】

第1章绪论	11-25
1.1 研究背景	11-13
1.1.1 系统仿真的作用和应用领域	11
1.1.2 目前采用的方法总结	11-12
1.1.3 现有的方法分析	12
1.1.4 基于人工神经网络的系统仿真方法的提出	12-13
1.2 系统仿真的基础知识	13-17
1.2.1 系统仿真基本概念及分类	13-14
1.2.2 动态系统计算机仿真	14-17
1.3 人工神经网络	17-23
1.3.1 人工神经网络机制及发展介绍	18
1.3.2 生物神经元	18-19
1.3.3 人工神经元的数学模型	19-20
1.3.4 人工神经网络模型	20-21
1.3.5 过程神经网络	21-23
1.4 论文选题与内容安排	23-25
1.4.1 论文选题	23
1.4.2 内容安排	23-25
第2章系统仿真及人工神经网络原理	25-39
2.1 引言	25
2.2 系统仿真	25-31
2.2.1 相似建模原理	25-27
2.2.2 模型建立方法	27-31
2.3 人工神经网络	31-36
2.3.1 人工神经网络的性质	31-34
2.3.2 神经网络的学习方法	34-36
2.4 基于ANN 的动态系统仿真	36-39
2.4.1 动态系统的特征和空间描述方法	36
2.4.2 人工神经网络用于仿真的可行性	36-37
2.4.3 动态系统仿真的人工神经网络的模型类型	37
2.4.4 利用人工神经网络进行动态系统仿真的一般步骤	37-39
第3章基于动态神经网络的系统仿真	39-48
3.1 延时单元网络	39-41
3.1.1 延时单元网络模型	39
3.1.2 延时单元网络用于系统辨识	39-40
3.1.3 学习算法和仿真实例	40-41
3.2 全反馈网络	41
3.3 部分反馈网络	41-47
3.3.1 部分反馈网络介绍	41-42
3.3.2 Elman 网络和Jordan 网络及其变形	42-44
3.3.3 学习算法问题	44-45
3.3.4 仿真应用	45-47
3.4 小结	47-48
第4章基于过程神经网络的系统仿真模型和算法	48-71
4.1 引言	48-49
4.2 过程神经元的基本模型	49-55
4.2.1 生物神经元的启示	49
4.2.2 过程神经元的定义	49-51
4.2.3 过程神经元的性质	51-53
4.2.4 时变输入输出过程神经元	53-54
4.2.5 离散过程神经元	54-55
4.3 时变输入输出的过程神经元网络模型	55-67
4.3.1 模型的适用条件	55
4.3.2 网络拓扑结构	55-57
4.3.3 模型的性质分析	57-62
4.3.4 学习算法	62-66
4.3.5 系统仿真的实现	66-67
4.4 离散过程神经元网络模型	67-70
4.4.1 模型的适用条件	67
4.4.2 模型	67-68
4.4.3 算法	68-69
4.4.4 系统仿真的实现	69-70
4.5 小结	70-71
第5章过程神经网络在非线性系统辨识中的应用	71-78
5.1 引言	71-72
5.2 非线性系统辨识	72
5.3 用于辨识问题的过程神经网络模型	72-73
5.4 非线性系统辨识过程	73-75
5.5 仿真实验	75-77
5.6 小结	77-78
第6章结论与展望	78-81
6.1 本文的研究成果	78
6.2 本文的创新点	78-79
6.3 今后的研究工作	79-81
附录攻读硕士期间发表的学术论文	81-82
参考文献	82-87
致谢	87-88
中文详细摘要	88-98

【DOI】

LunWen.ID:2.2008.387723



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：时变输入输出系统论文离散系统过程神经元网络泛函数逼近能力计算能力连续性

自动化基础最新论文

自动化基础热门论文