导读:本文包含了误差反向传播论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,误差,算法,周围神经,时间,谱系,组合。
误差反向传播论文文献综述
张译方,旷生玉,梁璟,徐晶[1]（2019）在《基于误差反向传播算法的多装侦察数据型号识别方法》一文中研究指出为解决广域战场空间中,多装侦察数据、混迭参数的型号识别问题,提出一种基于误差反向传播算法的多装侦察数据型号识别方法。通过对各类装备信息进行建模,考虑不同装备的截获误差,进而能够自适应生成识别算法进行数据处理。进一步,提出基于误差反向传播算法的型号识别方法,解决参数混迭下的型号识别问题。工程实践表明,该方法能够规避不同装备的测量误差影响,普遍提升型号识别的准确度;同时,该方法通过样本数据不断训练网络模型,显着提升特征参数混迭情况下的识别率。(本文来源于《电子信息对抗技术》期刊2019年06期）
倪赫[2]（2019）在《基于误差反向传播原理的结构探测超分辨显微技术研究》一文中研究指出光学显微镜在工业精密测量和生物成像领域中一直扮演着重要的角色,特别是在生物成像领域,分子荧光探针特异性标记技术的发展使得光学显微镜变得愈加不可替代,其非接触、无损、可动态实时观测特性是其他非光学显微测量手段难以具备的。但是,众所周知的光学衍射极限严重限制了其空间分辨能力,提升光学显微镜的空间分辨力是工业精密测量、精密制造、生物制药、活体细胞成像等众多前沿领域的迫切需求。本课题“基于误差反向传播原理的结构探测超分辨显微技术研究”主要针对生物成像领域,旨在通过结构探测方法实现对生物荧光样品的超分辨。结构探测方法可在不改变现有激光扫描显微系统结构的前提下相对宽场显微系统提升2倍的横向分辨力,与宽场结构照明技术相比,在激光扫描显微系统探测臂中实现的结构探测方法在原理上具备层析能力,而且通过结构探测超分辨可在长波照明条件下获得短波照明的分辨力,更长的激发波长意味着更大的探测深度及更小的光毒性和光漂白问题,更有利于生物细胞成像。但是,传统结构探测技术从结构照明技术发展而来,仍需使用余弦函数探测并进行频谱重构,而实际的光学显微系统不可能完全理想,任何器件的参数或位置偏差都会导致探测函数与理论值的差异,而频谱重构过程又会引入新的误差,导致结构探测超分辨成像分辨力的降低。另外,结构探测技术必须首先通过CCD/CMOS逐点采集光斑图像,再由计算机通过数字图像处理实现“虚拟”探测和图像重建,其原始光斑图像的逐点采集方式导致传统结构探测技术的成像速度极其低下,远远无法满足快速成像需求。本课题首先分析了在激光扫描显微系统探测臂中的结构性非均匀探测理论,证明在激光扫描显微系统中的结构探测方法与宽场显微系统中的结构照明方法同样具备基于频带扩展的超分辨成像能力。然后建立了基于单个神经元的结构探测超分辨模型,通过误差反向传播算法实现对结构探测函数的求解。此外,本课题针对传统结构探测技术的原有图像采集方式对成像速度的限制问题,研究了基于时空调制原理的阵列式并行结构探测快速成像方法,在实现超分辨的同时显着提高结构探测成像速度。本课题主要工作内容如下:(1)针对结构探测函数的优化问题,提出并研究了基于误差反向传播原理的结构探测超分辨显微成像方法,以激光扫描显微系统探测臂的结构探测超分辨理论为基础,建立基于单个神经元的结构探测超分辨模型,通过结构探测函数与探测光斑图像的一次结构探测直接重建超分辨图像,消除传统结构探测方法的多次探测和频谱重构过程。首次在结构探测显微系统中引入误差反向传播方法并建立了基于该方法的结构探测函数优化模型,即样品参考图像与实际结构探测重建图像之间的误差通过反向传播实现对结构探测函数中权值的调整,解决因余弦结构探测函数误差导致的分辨力下降问题。设计并编写了基于Visual Studio MFC的高效结构探测函数计算软件,通过仿真模拟激光扫描显微镜对样品扫描探测,仿真证明,系统横向分辨力提升为宽场显微系统的2倍。(2)针对传统结构探测技术中的图像采集效率问题,提出并研究了基于时空调制原理的阵列式并行结构探测成像方法,在激光扫描显微系统中,使用CCD/CMOS在激光扫描显微系统中采集光斑图像,基于时空调制原理对光源强度在时间上进行脉冲调制和空间上进行位置扫描累积形成阵列光斑图像。通过对激光二极管和扫描振镜的高速调制,实现对低速相机的时分复用,达到高速阵列式光斑图像采集的目的。在实验中,设置N×N的采集阵列,将采集图像总数减少为原来的1/N~2,通过减少图像采集数量提高数据采集速度,可在不增加系统结构、不降低扫描精度、不损失分辨力的前提下,显着提高结构探测方法的成像速度。最后,搭建基于时空调制的阵列式并行结构探测成像系统,对标准鉴别力板进行超分辨成像测试,获得了超过1.6倍的横向分辨力提升。对荧光标记的人类宫颈癌细胞(HeLa细胞和SiHa细胞)进行超分辨成像测试,获得了约1.8倍的横向分辨力提升。验证了基于误差反向传播原理的结构探测超分辨方法对生物荧光样品成像的有效性,且在激光扫描显微系统中通过时空调制实现了快速的结构探测超分辨成像。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
付彦丽[3]（2018）在《基于误差反向传播神经网络的PM2.5预测》一文中研究指出针对使用传统预测方式,对空气中PM2.5的质量浓度进行预测,难以获得准确的结果这样的问题,提出了一种基于误差反向传播神经网络的PM2.5预测方法。将宝鸡市空气质量监测站的历史监测数据作为分析对象,进行PM2.5小时浓度预测建模。BP神经网络能够使用梯度下降法不断对网络连接权值和阈值进行修正,针对PM2.5质量浓度预测这种非线性的问题具备较为精准的分析处理能力。仿真结果证明,使用BP神经网络对PM2.5质量浓度进行预测,其结果具备一定的有效性和精准度。(本文来源于《电脑知识与技术》期刊2018年33期）
桑祎莹,黄仕鑫,易静,曾庆,罗亚玲[4]（2018）在《基于随机森林和误差反向传播神经网络的糖尿病性周围神经病变患病风险研究》一文中研究指出目的建立准确判别糖尿病性周围神经病变(DPN)的分类模型,为疾病的诊断提供有价值的计算机辅助方法。方法收集重庆医科大学附属第二医院2016年1-12月确诊的2199例DPN患者及在该院健康体检的2610例体检对象的52项临床信息资料,使用R软件分别构建随机森林(RF)模型和误差反向传播(BP)神经网络模型,并比较两种诊断模型的评价指标,选择最优分类模型。结果采用随机森林和BP神经网络模型对4809例观察对象进行个体患病风险分类研究,两种模型测试样本的正确率分别为99.93%、99.58%,约登指数分别为99.85%、99.14%,ROC曲线下面积分别为0.9994、0.9959。结论两种模型的分类效果均很好,但随机森林模型在判别DPN患病风险研究中具有更高的实用性。(本文来源于《解放军医学杂志》期刊2018年10期）
梁杰,晏天,李庆超[5]（2017）在《基于L-M算法的反向传播网络的湿度传感器输出误差补偿研究》一文中研究指出针对湿度传感器的输出非线性问题,提出了基于L-M算法建立BP神经网络进行补偿校正,实现电阻型湿度传感器的输入与输出非线性补偿,并与共轭梯度算法、拟牛顿算法所建立的神经网路模型进行对比,重点比较了模型迭代性能、标准偏差;最后发现当神经网络用L-M算法进行训练模拟时在迭代性能、标准偏差等方面具有更优异的表现,更适合湿度传感器的非线性特性的补偿校正。(本文来源于《计算机测量与控制》期刊2017年12期）
庞晓宇,杨忠,吕斌,贾东宇[6]（2016）在《基于近红外光谱与误差反向传播神经网络技术的叁种人工林木材识别研究》一文中研究指出利用近红外光谱结合误差反向传播神经网络(BP)对叁种人工林木材(尾叶桉、马尾松、南方无性系I-72杨)进行识别,探讨隐含层神经元个数、光谱预处理方法、光谱范围对BP网络模型的影响,并与SIMCA法所建模型做比较。结果表明:(1)BP网络结合全波段(780~2 500nm)近红外光谱数据建模,识别正确率达到97.78%,并确定隐含层神经元数为13;(2)全波段光谱建模比短波段(780~1 100nm)和长波段(1 100~2 500nm)光谱建模识别效果好,其识别正确率分别为97.78%,95.56%和96.67%,用一阶导数和二阶导数对全波段光谱进行预处理后,BP网络模型识别正确率分别为93.33%和71.11%;用多元散射校正(MSC)对全波段光谱进行预处理后,BP网络模型识别正确率为98.89%,(3)在叁种波段(780~2 500,780~1 100和1 100~2 500nm)光谱建模的情况下,BP网络建模识别正确率分别为95.56%,96.67%和97.78%,SIMCA模型识别正确率分别为76.67%,81.11%和82.22%,BP网络建模比SIMCA法建模对叁种人工林木材的识别正确率高。(本文来源于《光谱学与光谱分析》期刊2016年11期）
董宇彬[7]（2016）在《基于误差反向传播神经网络的预测模型研究》一文中研究指出自工业革命以来,工业化带动人们的生活节奏加快,世界形势变化也越来越快,经济发展更是日新月异。在这个快速发展的背景下,企业的生存还是灭亡也是高速改变。众所周知,Android手机能在兴起的短短叁年之内,市场份额超过雄踞榜首十年之久的塞班系统,成为全球第一,更是为广大企业提供了一个参考,使人们陷入深思。企业发展该何去何从,如何才能在经济斗争中取得胜利,销售预测便进入人们的视线,由此预测学科也变得炙手可热。企业家们渴望通过预测为自己企业的发展提供决策依据,了解用户需求,使其在经济战争的角逐中可以胜出。本文在经济形势如此激烈竞争之下,讨论了预测学科的基本理论,介绍了市场预测的多种预测方法和技术,以及它们所适应的资料数据,为广大企业家提供依据,使其可以根据自身掌握的数据资料,做出下一步的进、销、存战略部署。因传统的单一预测具有精度偏低,会丢失部分数据等缺点,本文使用预测方法的组合思想来进行阐述,创建了一种将时间序列模型的季节累积式自回归动平均模型(SARIMA)与误差反向传播神经网络进行组合的预测方法。之所以如此选择是因为销量数据都具有时间序列的特性,而影响销售的因素又是多样的非线性的,先使用SARIMA模型得到拟合的残差序列,然后利用误差反向传播神经模型强大的非线性处理能力再进行预测,从而提高了预测精度。由于传统的误差反向传播神经网络的收敛速度比较慢,本文通过动态调整不同神经元节点间的连接权重的方法提高神经网络的收敛速度,得到了较好的效果。本文最后以联想笔记本电脑2005年到2014年的销量数据为研究对象,使用上文提出的组合预测方法对未来的销量进行预测,以此为其他企业系统地进行销售预测提供了参考依据,并且帮助企业的管理者合理地制定出销售计划。(本文来源于《云南师范大学》期刊2016-06-01）
赵虎,杨宇[8]（2016）在《基于迭代式MapReduce的误差反向传播算法》一文中研究指出针对误差反向传播(BP)算法计算迭代的特点,给出了迭代式MapReduce框架实现BP算法的方法。迭代式MapReduce框架在传统MapReduce框架上添加了传送模块,避免了传统框架运用在迭代程序时需要多次任务提交的缺陷。通过对K/TGR146对空台射电开关控制系统进行仿真得到BP算法训练样本,并在Hadoop云计算环境下,分别在基于传统框架和迭代式框架的BP算法中进行训练。实验结果表明,基于迭代式MapReduce框架的BP算法训练速度达到了基于传统MapReduce框架的BP算法训练速度的10倍以上,正确率提升了10%~13%,能有效解决算法训练时间过长和迭代计算中多次任务提交的问题。(本文来源于《计算机应用》期刊2016年04期）
江丽莎,何朝霞[9]（2015）在《误差反向传播算法的数字语音识别技术》一文中研究指出研究BP神经网络技术在数字语音识别中的应用,以基于语音信号产生的数字模型作为突破口,对所采集到的语音信号进行预处理,提取Mel频率倒谱系数,并将特征参数序列进行非线性时间规整为固定的帧数以便于BP神经网络的训练和识别。由MATLAB的实验数据分析可得,基于BP神经网络的数字语音识别技术具有很高的实用价值、数字语音识别率高。(本文来源于《电脑知识与技术》期刊2015年20期）
谢亮[10]（2015）在《基于误差反向传播算法的代建制项目风险评价研究》一文中研究指出在政府投资项目推行代建制的过程中,必须正确认识代建制模式下的风险管理工作的重要性,认清风险的来源,有效评估工程项目风险严重程度和整体风险水平是决策项目上马的先决条件。本文在阐述代建制项目进行风险评价的重要性基础上,结合政府投资代建项目的特征和国内工程的实践进行归纳总结,建立了共性的风险评价指标体系,提出了基于误差反向传播算法的BP神经网络评价模型,并通过算例验证了该模型的可行性,为实际工程项目进行风险预测、应对、规避提供决策支持,从而提高了政府投资项目的整体效益。(本文来源于《价值工程》期刊2015年19期）
误差反向传播论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
光学显微镜在工业精密测量和生物成像领域中一直扮演着重要的角色,特别是在生物成像领域,分子荧光探针特异性标记技术的发展使得光学显微镜变得愈加不可替代,其非接触、无损、可动态实时观测特性是其他非光学显微测量手段难以具备的。但是,众所周知的光学衍射极限严重限制了其空间分辨能力,提升光学显微镜的空间分辨力是工业精密测量、精密制造、生物制药、活体细胞成像等众多前沿领域的迫切需求。本课题“基于误差反向传播原理的结构探测超分辨显微技术研究”主要针对生物成像领域,旨在通过结构探测方法实现对生物荧光样品的超分辨。结构探测方法可在不改变现有激光扫描显微系统结构的前提下相对宽场显微系统提升2倍的横向分辨力,与宽场结构照明技术相比,在激光扫描显微系统探测臂中实现的结构探测方法在原理上具备层析能力,而且通过结构探测超分辨可在长波照明条件下获得短波照明的分辨力,更长的激发波长意味着更大的探测深度及更小的光毒性和光漂白问题,更有利于生物细胞成像。但是,传统结构探测技术从结构照明技术发展而来,仍需使用余弦函数探测并进行频谱重构,而实际的光学显微系统不可能完全理想,任何器件的参数或位置偏差都会导致探测函数与理论值的差异,而频谱重构过程又会引入新的误差,导致结构探测超分辨成像分辨力的降低。另外,结构探测技术必须首先通过CCD/CMOS逐点采集光斑图像,再由计算机通过数字图像处理实现“虚拟”探测和图像重建,其原始光斑图像的逐点采集方式导致传统结构探测技术的成像速度极其低下,远远无法满足快速成像需求。本课题首先分析了在激光扫描显微系统探测臂中的结构性非均匀探测理论,证明在激光扫描显微系统中的结构探测方法与宽场显微系统中的结构照明方法同样具备基于频带扩展的超分辨成像能力。然后建立了基于单个神经元的结构探测超分辨模型,通过误差反向传播算法实现对结构探测函数的求解。此外,本课题针对传统结构探测技术的原有图像采集方式对成像速度的限制问题,研究了基于时空调制原理的阵列式并行结构探测快速成像方法,在实现超分辨的同时显着提高结构探测成像速度。本课题主要工作内容如下:(1)针对结构探测函数的优化问题,提出并研究了基于误差反向传播原理的结构探测超分辨显微成像方法,以激光扫描显微系统探测臂的结构探测超分辨理论为基础,建立基于单个神经元的结构探测超分辨模型,通过结构探测函数与探测光斑图像的一次结构探测直接重建超分辨图像,消除传统结构探测方法的多次探测和频谱重构过程。首次在结构探测显微系统中引入误差反向传播方法并建立了基于该方法的结构探测函数优化模型,即样品参考图像与实际结构探测重建图像之间的误差通过反向传播实现对结构探测函数中权值的调整,解决因余弦结构探测函数误差导致的分辨力下降问题。设计并编写了基于Visual Studio MFC的高效结构探测函数计算软件,通过仿真模拟激光扫描显微镜对样品扫描探测,仿真证明,系统横向分辨力提升为宽场显微系统的2倍。(2)针对传统结构探测技术中的图像采集效率问题,提出并研究了基于时空调制原理的阵列式并行结构探测成像方法,在激光扫描显微系统中,使用CCD/CMOS在激光扫描显微系统中采集光斑图像,基于时空调制原理对光源强度在时间上进行脉冲调制和空间上进行位置扫描累积形成阵列光斑图像。通过对激光二极管和扫描振镜的高速调制,实现对低速相机的时分复用,达到高速阵列式光斑图像采集的目的。在实验中,设置N×N的采集阵列,将采集图像总数减少为原来的1/N~2,通过减少图像采集数量提高数据采集速度,可在不增加系统结构、不降低扫描精度、不损失分辨力的前提下,显着提高结构探测方法的成像速度。最后,搭建基于时空调制的阵列式并行结构探测成像系统,对标准鉴别力板进行超分辨成像测试,获得了超过1.6倍的横向分辨力提升。对荧光标记的人类宫颈癌细胞(HeLa细胞和SiHa细胞)进行超分辨成像测试,获得了约1.8倍的横向分辨力提升。验证了基于误差反向传播原理的结构探测超分辨方法对生物荧光样品成像的有效性,且在激光扫描显微系统中通过时空调制实现了快速的结构探测超分辨成像。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
误差反向传播论文参考文献
[1].张译方,旷生玉,梁璟,徐晶.基于误差反向传播算法的多装侦察数据型号识别方法[J].电子信息对抗技术.2019
[2].倪赫.基于误差反向传播原理的结构探测超分辨显微技术研究[D].哈尔滨工业大学.2019
[3].付彦丽.基于误差反向传播神经网络的PM2.5预测[J].电脑知识与技术.2018
[4].桑祎莹,黄仕鑫,易静,曾庆,罗亚玲.基于随机森林和误差反向传播神经网络的糖尿病性周围神经病变患病风险研究[J].解放军医学杂志.2018
[5].梁杰,晏天,李庆超.基于L-M算法的反向传播网络的湿度传感器输出误差补偿研究[J].计算机测量与控制.2017
[6].庞晓宇,杨忠,吕斌,贾东宇.基于近红外光谱与误差反向传播神经网络技术的叁种人工林木材识别研究[J].光谱学与光谱分析.2016
[7].董宇彬.基于误差反向传播神经网络的预测模型研究[D].云南师范大学.2016
[8].赵虎,杨宇.基于迭代式MapReduce的误差反向传播算法[J].计算机应用.2016
[9].江丽莎,何朝霞.误差反向传播算法的数字语音识别技术[J].电脑知识与技术.2015
[10].谢亮.基于误差反向传播算法的代建制项目风险评价研究[J].价值工程.2015
论文知识图
