导读:本文包含了小波基函数神经网络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,小波,算法,函数,模糊,子波,向量。
小波基函数神经网络论文文献综述
李翔,朱全银[1]（2014）在《基于动态基函数的强回归小波神经网络》一文中研究指出针对小波神经网络(wavelet neural network,WNN)难以选取合适小波基函数和确定隐含层节点数等问题,提出使用集成学习改进小波神经网络的方法,提高小波神经网络容错能力和自学习能力.本方法首先通过降维、归一化预处理样本数据并确定测试数据分布权值;然后通过随机选取不同的小波基函数构造出异构小波神经网络序列并反复训练样本数据;最后使用AdaBoost算法集成学习生成强回归小波预测器.对UCI数据库中数据集进行仿真验证,实验结果表明:本方法比传统小波神经网络预测平均误差减少30%以上,有效地提高了小波神经网络的预测精度和泛化能力.(本文来源于《北京工业大学学报》期刊2014年07期）
李翔,朱全银,王尊[2]（2013）在《基于可变基函数和GentleAdaBoost的小波神经网络研究》一文中研究指出针对传统小波神经网络(wavelet neural network,WNN)受隐含层节点数影响大、网络误差易陷入局部极小、预测结果不稳定的问题,提出使用GentleAdaBoost和小波神经网络相结合的方法,提高网络预测精度和泛化能力。该方法首先对样本数据进行预处理并初始化测试数据分布权值;然后通过选取不同的隐含层节点数、小波基函数构造出不同类型的小波神经网络弱预测器序列并对样本数据进行反复训练;最后使用GentleAdaBoost算法将得到的多个小波神经网络弱预测器组成新的强预测器并进行回归预测。对UCI数据库中数据集进行仿真实验,结果表明,本方法比传统小波神经网络预测平均误差减少40%以上,有效地提高了神经网络预测精度,为小波神经网络应用提供借鉴。(本文来源于《山东大学学报(工学版)》期刊2013年05期）
林瑞霖,奚银华,刘伯运[3]（2012）在《基于小波分析与径向基函数神经网络的气缸压力重构》一文中研究指出介绍了RBF神经网络的原理及其此法重构气缸压力的实现步骤,并根据柴油机缸盖振动的激励机理,对径向基函数神经网络的参数进行了有效的设置。通过用不同工况下的样本进行训练,建立了柴油机缸盖振动信号与气缸压力之间的非线性映射关系。为了提高重构精度,更为准确地提取压力在缸盖处的响应,提出了利用小波分析对振动信号进行降噪处理。试验表明应用RBF网络法重构气缸压力简单有效,重构压力曲线与实测曲线拟合度良好。(本文来源于《船海工程》期刊2012年02期）
程启明,王勇浩[4]（2006）在《采用模糊小波基函数神经网络的控制系统及混合优化算法》一文中研究指出提出了一种采用模糊小波基函数神经网络的控制器,该控制器采用小波基函数作为模糊隶属函数,利用神经网络实现模糊推理,并可对隶属函数进行实时调整,从而使控制器具备更强的学习和自适应能力。还提出了控制器参数的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。图3参6(本文来源于《动力工程》期刊2006年02期）
毛六平,王耀南,陈华,孙炜[5]（2005）在《基于模糊小波基函数神经网络的电子节气门控制》一文中研究指出电子节气门的精确控制对于混合电动汽车的驱动性能、燃油经济性能和排放性能是尤其重要的。介绍了电子节气门的结构和特点。提出了基于模糊小波基函数神经网络的电子节气门控制方法。仿真结果表明,该方法对于电子节气门控制具有较好的效果。(本文来源于《电气传动》期刊2005年09期）
陆爽,杨斌,李萌,张子达[6]（2004）在《基于小波和径向基函数神经网络的滚动轴承故障模式识别》一文中研究指出利用振动信号对滚动轴承的状态监测和故障诊断是工程中面临的难题之一,传统的基于平稳信号假设的方法不适于故障轴承的非平稳信号,有效提取故障轴承的故障特征和将故障特征准确分类是解决问题的两个关键。小波分析具有良好的时-频局部化特征,因而非常适于对瞬态或时变信号进行分类,而人工神经网络可完成非线性系统辨识和模式分类。利用上述原理根据滚动轴承振动信号的频域变化特征,首先采用小波包分析对其建立频域能量特征向量,然后利用径向基函数神经网络完成滚动轴承故障模式的识别。试验结果表明,系统不仅能够检测到轴承故障的存在,而且能够比较准确地识别轴承的内外环故障模式,可以满足工程中的需要。(本文来源于《农业工程学报》期刊2004年06期）
毛建旭,王耀南,孙炜[7]（2003）在《一种基于模糊小波基函数神经网络的图像分类器》一文中研究指出针对图像分类的特点 ,提出了一种基于模糊小波基函数神经网络的图像分类器。该分类器采用小波基函数作为模糊隶属函数 ,将模糊技术与神经网络相结合 ,利用神经网络实现模糊推理 ,并可对隶属函数的形状进行实时调整 ,从而使分类器具备了更强的学习和自适应能力。实验结果表明 ,这种基于模糊小波基函数神经网络的分类器经过训练后 ,可应用于图像的分类 ,其分类精度明显高于传统的最大似然分类法(本文来源于《仪器仪表学报》期刊2003年02期）
曾黄磷,王晓[8]（1998）在《利用子波基函数神经网络进行预测》一文中研究指出提出了一种利用子波基函数神经网络对自动控制系统进行预测的新方法。子波基函数神经网络利用局部获得信息完成函数映射，从实验数据中提取时频特征，基于以前观察获得的数据来预测未来的输出结果。在这篇论文中，我们提出了一种实现子波基函数神经网络的结构和算法，并给出了一个时间序列预测的例子评价子波基函数神经网络预测的性能。(本文来源于《四川轻化工学院学报》期刊1998年01期）
小波基函数神经网络论文开题报告
（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：
针对传统小波神经网络(wavelet neural network,WNN)受隐含层节点数影响大、网络误差易陷入局部极小、预测结果不稳定的问题,提出使用GentleAdaBoost和小波神经网络相结合的方法,提高网络预测精度和泛化能力。该方法首先对样本数据进行预处理并初始化测试数据分布权值;然后通过选取不同的隐含层节点数、小波基函数构造出不同类型的小波神经网络弱预测器序列并对样本数据进行反复训练;最后使用GentleAdaBoost算法将得到的多个小波神经网络弱预测器组成新的强预测器并进行回归预测。对UCI数据库中数据集进行仿真实验,结果表明,本方法比传统小波神经网络预测平均误差减少40%以上,有效地提高了神经网络预测精度,为小波神经网络应用提供借鉴。
（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。
小波基函数神经网络论文参考文献
[1].李翔,朱全银.基于动态基函数的强回归小波神经网络[J].北京工业大学学报.2014
[2].李翔,朱全银,王尊.基于可变基函数和GentleAdaBoost的小波神经网络研究[J].山东大学学报(工学版).2013
[3].林瑞霖,奚银华,刘伯运.基于小波分析与径向基函数神经网络的气缸压力重构[J].船海工程.2012
[4].程启明,王勇浩.采用模糊小波基函数神经网络的控制系统及混合优化算法[J].动力工程.2006
[5].毛六平,王耀南,陈华,孙炜.基于模糊小波基函数神经网络的电子节气门控制[J].电气传动.2005
[6].陆爽,杨斌,李萌,张子达.基于小波和径向基函数神经网络的滚动轴承故障模式识别[J].农业工程学报.2004
[7].毛建旭,王耀南,孙炜.一种基于模糊小波基函数神经网络的图像分类器[J].仪器仪表学报.2003
[8].曾黄磷,王晓.利用子波基函数神经网络进行预测[J].四川轻化工学院学报.1998
论文知识图
