| 【中文题名】 | BP网络的改进及其应用 |
| 【英文题名】 | Improving of BP Neural Network and It's Applications |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-5 |
| 【中关键词】 | 神经网络,BP算法,组合模型,,, |
| 【英关键词】 | neural network,BP algorithmic,combination model, |
| 【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】 | 神经网络以其并行处理、自适应组织、联想记忆及容错和鲁棒性等特点，受到了广泛关注，研究结果已经表明，用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果，神经网络的应用有着非常广阔的空间。BP网络包含了神经网络理论中最精华的部分，由于其结构简单、可塑性强，得到了广泛的应用，特别它的数学意义明确、步骤分明的学习算法更使其具有更广泛的应用背景，其在分类、函数逼近、预测等方面都有非常好的优势，适合于解决复杂的非线性问题。本文首先介绍了人工神经网络的基本理论，包括神经网络的定义、学习方法、特点以及神经网络各种模型的优缺点，然后介绍了BP网络及其建模过程，同时就BP网络算法的缺点，介绍了BP算法的一些改进方法，最后针对BP网络收敛速度慢的缺点，本文对S函数作了限制和新的定义，并对“九五”和“十五”期间中国城镇家庭人均可支配收入进行实证研究，通过和传统方法应用结果的比较，体现了改进后的BP网络无论在速度还是在精度方面都有所提高；另外根据误差补偿思想，本文提出了一种新的组合模型——离散灰色和BP网络的组合模型，并对“九五”和“十五”期间中国城镇家庭人均可支配收入进行实证研究，结果表明组合模型比单一模型具有更好的预测... |
| 【论文题纲】 |
|
摘要 |
8-9 |
|
Abstract |
9-10 |
|
第一章 绪论 |
10-13 |
|
1.1 前言 |
10-12 |
|
1.2 本文工作 |
12-13 |
|
第二章 人工神经网络基本理论 |
13-19 |
|
2.1 神经网络概论 |
13-14 |
|
2.2 神经网络学习方法 |
14-16 |
|
2.2.1 学习机理 |
14 |
|
2.2.2 学习方式 |
14-15 |
|
2.2.3 学习规则 |
15-16 |
|
2.3 神经网络的特点 |
16-17 |
|
2.4 神经网络各种模型及其优缺点 |
17-18 |
|
2.5 本章小结 |
18-19 |
|
第三章 BP神经网络模型 |
19-35 |
|
3.1 BP网络结构 |
19 |
|
3.2 BP算法思想 |
19-20 |
|
3.3 标准BP算法公式 |
20-22 |
|
3.4 BP算法的不足与改进 |
22-27 |
|
3.5 BP网络学习过程 |
27-29 |
|
3.6 BP网络建模 |
29-32 |
|
3.6.1 BP网络层数的确定 |
29-30 |
|
3.6.2 各层神经元数目的选取 |
30 |
|
3.6.3 数据预处理 |
30-31 |
|
3.6.4 激励函数的选取 |
31 |
|
3.6.5 网络学习参数的选取 |
31-32 |
|
3.6.6 期望误差的选取 |
32 |
|
3.7 BP网络优缺点 |
32-33 |
|
3.8 本章小结 |
33-35 |
|
第四章 改进BP网络模型的应用实例分析 |
35-44 |
|
4.1 引言 |
35 |
|
4.2 改进BP网络模型在城镇家庭人均可支配收入中的应用 |
35-38 |
|
4.2.1 BP算法的改进 |
35 |
|
4.2.2 BP网络预测模型应用实例分析 |
35-36 |
|
4.2.3 结果与分析 |
36-38 |
|
4.2.4 小结 |
38 |
|
4.3 基于离散灰色和改进BP网络组合模型的应用 |
38-43 |
|
4.3.1 灰色预测模型 |
39-40 |
|
4.3.1.1 GM(1,1)模型概述 |
39 |
|
4.3.1.2 离散灰色模型的建立 |
39-40 |
|
4.3.2 离散灰色和BP网络组合模型的建立原理及计算方法 |
40-41 |
|
4.3.3 基于离散灰色BP网络组合模型的实例研究 |
41-43 |
|
4.4 小结 |
43-44 |
|
第五章 总结与展望 |
44-45 |
|
一、总结 |
44 |
|
二、展望 |
44-45 |
|
参考文献 |
45-47 |
|
攻读硕士研究生期间主要研究成果 |
47-48 |
|
致谢 |
48 |
|
| 【DOI】 | LunWen.ID:2.2008.389155 |
