神經網路結構最佳化方法及套用

內容介紹

《神經網路結構最佳化方法及套用》從RBF網路訓練算法、結構分解、結構最佳化、樣本選取等幾方面人手，分析了提高神經網路泛化能力和收斂速度的途徑與實現方法，提出了快速資源最佳化網路算法、基於粗糙集理論的RBF網路剪枝算法、基於多Agent系統設計原理的神經網路結構設計算法，並介紹了神經網路在熱工過程預測控制以及設備故障診斷中的套用，結合現場運行及實驗數據，給出了套用實例。

目錄信息

前言

第1章緒論1

1.1引言1

1.2神經網路及其套用2

1.2.1神經網路的研究及發展2

1.2.2神經網路結構及工作方式3

1.2.3經網路的學習方法4

1.2.4神經網路的基本功能5

1.2.5神經網路在控制領域的套用6

1.2.6神經網路在故障診斷領域的套用11

1.2.7神經網路及其套用中有待於解決的問題12

1.3他智慧型方法13

1.3.1粗糙集理論13

1.3.2Agent系統理論13

1.3.3信息融合技術14

1.4本書主要內容15

參考文獻16

第2章RBF網路的快速資源最佳化算法22

2.1引言22

2.2RBF網路22

2.2.1網路結構22

2.2.2網路逼近能力23

2.2.3學習算法23

2.2.4套用25

2.2.5優點及問題26

2.3RBF網路構造算法26

2.4快速資源最佳化網路(FRON)算法27

2.4.1網路結構27

2.4.2學習算法28

2.4.3算法特點30

2.5算法實現30

2.6仿真及實驗研究31

2.6.1Mackey-Glass非線性混沌序列預測31

2.6.2某電廠單元機組負荷系統建模32

2.6.3礦井主通風機健康狀態評估34

2.6.4某電廠過熱器噴水模型建模38

2.7本章小結44

參考文獻45

神經網路結構最佳化方法及套用

第3章基於粗糙集理論的RBF網路剪枝算法48

3.1引言48

3.2神經網路結構最佳化方法48

3.3粗糙集的基本理論50

3.3.1粗糙集的基本概念51

3.3.2粗糙集理論的特點55

3.3.3粗糙集理論的套用55

3.4基於粗糙集的剪枝算法56

3.4.1算法原理57

3.4.2算法特點59

3.5算法實現60

3.6仿真及實驗研究61

3.6.1二維函式逼近61

3.6.2兩概念學習62

3.6.3某電廠過熱器噴水模型建模64

神經網路結構最佳化方法及套用

基本介紹

內容介紹

目錄信息

相關詞條

熱門詞條