导读:本文包含了样条网络论文开题报告文献综述及选题提纲参考文献，主要关键词:B样条插补,网络实验平台,实验教学,数控技术
样条网络论文文献综述
韩德东[1]（2018）在《基于B样条曲线插补实验的网络教学平台设计》一文中研究指出高校实验室是学生进行实践能力培养和学术研究的重要场所,同时也是学生对理论知识进行实践检验和加深认知的场所,在创新型人才培养中占据有重要地位。计算机网络实验室的建设,从专业建设、实际需要和技术发展的角度出发,需要兼顾实用性和先进性,实验内容和教学方法结合实际教学需要不断改进。文章针对B样条曲线插补实验,提出了网络教学方法,设计出相应的实验教学平台,通过实验的交互式和可视化学习,可提高学生学习兴趣,增强学生理论教学和实践应用相结合的能力,促进理论教学和实验教学的发展和创新,为具有创新意识和创新能力的高素质人才的培养夯实基础。(本文来源于《无线互联科技》期刊2018年22期）
薛小军,曹伟青[2]（2018）在《基于B样条模糊神经网络的变压器故障诊断》一文中研究指出针对变压器故障的复杂性和不确定性,结合油中气体分析方法,提出应用B样条模糊神经网络对变压器故障进行诊断。模糊神经网络的基函数采用B样条函数,可以使网络的权值调整在局部范围内,从而可以加快网络的学习速度,仿真结果证明了该方法可以有效地检测出变压器故障类型。(本文来源于《山东工业技术》期刊2018年19期）
周楠[3]（2018）在《样条自适应滤波器与网络研究》一文中研究指出自适应滤波器在干扰抵消、回声消除、主动噪声控制、信道均衡等领域获得了广泛应用。上述大部分应用均可表征为系统辨识。在一些应用场合,未知系统的期望响应可能会存在非线性失真,如果采用传统的线性自适应滤波器辨识未知系统,将产生较大的稳态失调,甚至不能收敛。近年来提出的样条自适应滤波器为解决非线性失真问题提供了较好的解决方案。然而,当环境中存在非高斯噪声干扰时,样条自适应滤波器的收敛性能会下降。为了改善非高斯噪声环境下的样条自适应滤波器性能,本文提出了鲁棒样条符号算法和样条最小四阶矩算法。鲁棒样条符号算法对脉冲噪声干扰具有很强的鲁棒性,而样条最小四阶矩算法能够降低算法在大幅值均匀、二元等噪声干扰下的稳态失调。近年来,随着网络技术的发展,自适应滤波器被广泛应用于分布式网络。为了提高分布式网络估计未知参数的性能,本文将鲁棒样条符号算法和样条最小四阶矩算法引入分布式网络,提出了扩散式鲁棒样条符号算法和扩散式样条最小四阶矩算法。为了深入理解扩散式样条最小均方算法的统计行为,本文最后还分析了该算法的性能。(本文来源于《苏州大学》期刊2018-05-01）
龚小龙[4]（2018）在《基于结构参数优化的B样条网络时间序列预测模型及工业应用》一文中研究指出在气象、经济以及工业生产等诸多方面都涉及到时间序列预测问题,因此,对时间序列进行建模和预测具有非常重要的研究意义。在实际应用中,许多时间序列呈现很强的非线性特性,使用传统的预测方法往往达不到预期效果,因此将其当作非线性来处理是一种有效的方法。人工神经网络常被用来构建非线性时间序列预测模型,而B样条网络就是其中的一种模糊联想记忆神经网络。与其它方法相比,B样条网络结构简单、待优化参数少、且学习速度快。为此,本文在优化网络结构参数的基础上,提出了一种非线性时间序列B样条网络预测模型。本文以时间序列预测为背景,主要研究了时间序列B样条网络预测模型的搭建,网络结构参数的优化方法,以及在工业生产中的应用。主要研究工作如下:(1)通过对B样条函数性质的深度分析,在研究B样条网络结构和运行机理的基础上,构建一种新的时间序列B样条网络预测模型。在网络结构的设计中,将各个样条基函数的节点位置和权值参数一同作为待优化的独立变量。(2)依据选择的网络评价函数,设计一种参数递进搜索算法对B样条网络结构进行优化,并采用正弦函数和二次函数验证预测模型的有效性。(3)针对B样条网络的结构参数优化,提出一种改进的粒子群优化算法,将此算法的函数验证效果与参数递进搜索算法优化结果进行对比。(4)运用这两种方法对氧化铝配料生料浆质量进行预测,并将预测的结果与径向基函数网络进行比较。预测和对比的结果表明,粒子群优化B样条网络预测模型具有较好的预测精度和泛化性能,其工业应用效果较好,有较强的实用价值,是一种有效的非线性时间序列预测方法。(本文来源于《湖南工业大学》期刊2018-04-15）
龚小龙,孔玲爽,袁川来,肖会芹[5]（2017）在《非线性时间序列粒子群优化B样条网络预测模型》一文中研究指出为了提高非线性时间序列的预测精度,建立一种粒子群优化B样条网络预测模型。在设计网络结构时,设置样条基函数节点作为独立变量,然后使其与权值参数在网络训练过程中一同优化,并且使用预测误差平方和评价训练效果。采用粒子群算法与适当的搜索策略作为训练算法,对B样条基函数最优节点的分布进行搜索,同时寻优权值参数,使网络结构得到优化,进而对非线性时间序列进行预测。仿真结果表明,粒子群优化B样条网络预测模型具有良好的泛化性能,同时所用算法对网络进行了有效的优化,所建预测模型结构简单且预测精度较高。(本文来源于《电子测量与仪器学报》期刊2017年12期）
夏琦博,李建良[6]（2017）在《基于B样条神经网络的地磁场曲面拟合》一文中研究指出基于B样条神经网络对实测地磁数据进行曲面拟合,该网络不仅保留了B样条基函数在速度方面的改进,同时也继承了神经网络在计算精度方面的优势。选用了一种修正速度最快的改进的LMBP算法进行权值的修正,最后也通过Matlab仿真实验证明了基于B样条神经网络的拟合算法在速度与精度方面的优越之处。(本文来源于《安阳工学院学报》期刊2017年04期）
王彦之,王天剑[7]（2017）在《叁次样条插值对人工神经网络预测软土固结精确度的影响》一文中研究指出软土固结会引起漫长的地基沉降。人工神经网络(ANN)是预测地基沉降的一种常用工具。为了进行预测,需要使用一定的前期沉降观测数据训练ANN。采用两类训练方法:一类是直接使用观测数据训练网络,这是普通方法;一类是在观测数据中借助叁次样条插值(CSI)技术进行等时距插值,然后一并利用观测数据和插值训练网络。叁次样条插值是通过求解叁弯矩方程组,在曲线的非连续数据点之间形成填充数据的技术。借助Mat Lab的函数Spline,可以完成插值计算过程。结果发现,在不同固结阶段进行预测,引入CSI插值训练的网络预测准确度均高于直接用观测数据训练的网络。这一发现,对于工程实践具有重要意义。(本文来源于《四川理工学院学报(自然科学版)》期刊2017年03期）
叶成绪,郭超凡,任竞尧,凌应标,张雨浓[8]（2017）在《叁次样条和二次删除相辅助的WASD神经网络与日本人口预测》一文中研究指出作为人工智能的重要分支,人工神经网络在许多数据学习和预测的应用方面有着长足的发展。本文提出一种用于人口未来趋势预测的WASD(权值与结构确定)神经网络方法。不同于之前的工作,本文使用叁次样条法对人口历史数据进行采样修复以克服神经网络在学习疏密不平衡数据时的困难。接着,为了进一步提升神经网络的预测性能,本文提出一种二次删除的结构确定算法用以简化隐层神经元结构。经过多次计算机数值预测实验,一批基于该WASD神经网络模型的日本人口预测研究结果在本文中得以展示并加以讨论。总体而言,日本人口在未来下降的可能性最大。(本文来源于《软件》期刊2017年06期）
梅欢,马艳东,单九思,彭晔[9]（2017）在《基于样条插值与RBF网络的道岔故障诊断系统》一文中研究指出随着列车运行速度与行车密度的不断提高,道岔将面临更加严峻的考验,而传统依靠维护人员研读相关监测数据进行故障诊断的手段,越来越不能够适应铁路对运行安全的高要求。为快速、准确诊断出道岔故障,特建立基于叁次样条插值与RBF神经网络的智能道岔故障诊断模型。利用基于叁次样条插值的数据整合模块将不同维数的道岔动作电流数据划归成统一的数据维数。采用新型RBF神经网络对其进行故障诊断。利用某火车站道岔动作的真实历史监测数据对所提模型的有效性与可行性进行验证。实验结果表明,所提出的模型不仅能够适应不同数据维数的道岔动作曲线数据,而且还可以快速、准确地对道岔故障进行诊断,从而帮助维护人员缩短故障处理时间,提高铁路行车的安全性。(本文来源于《计算机技术与发展》期刊2017年05期）
王雷雷[10]（2016）在《分子叁次分母一次第二类有理样条权函数神经网络灵敏度分析及其应用》一文中研究指出传统的梯度下降类神经网络存在着诸如收敛速度慢、局部极小等无法避免的缺点,虽然很多学者从多方面进行了改进,但是这些改进无法从根本上解决问题。因此本文中,用分子叁次、分母一次有理插值样条作为权函数,构建分子叁次、分母一次第二类有理样条权函数神经网络。分子叁次、分母一次第二类有理样条权函数神经网络,解决了传统神经网络初值敏感、局部极小等问题。文中用分子叁次、分母一次的有理插值样条作为权函数代替常数权,根据训练样本得到的权函数能够反映数据的潜在信息。当输入样本或者权值存在扰动时,神经网络的输出会发生变化。灵敏度作为神经网络的一个重要指标,可以分析这些变化给系统带来的影响。因此,文中首先将分子叁次、分母一次有理插值样条与第二类样条权函数神经网络结合,研究其学习算法。然后对分子叁次、分母一次第二类有理样条权函数神经网络的灵敏度进行分析研究。接着进行Matlab仿真,将本文中的神经网络与传统梯度下降类神经网络进行学习能力以及泛化能力的对比。最后,将分子叁次、分母一次第二类有理样条权函数神经网络运用到神经网络芯片设计中,完成此种神经网络FPGA实现的模块设计。然后通过Quartus和ModelSim对FPGA方式实现的此种神经网络的泛化能力进行实验验证。通过实验可以看出FPGA实现的分子叁次、分母一次第二类有理样条权函数神经网络同样具有很强的泛化能力,适合用来设计专用神经网络芯片。(本文来源于《南京邮电大学》期刊2016-11-18）
样条网络论文开题报告
（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：
针对变压器故障的复杂性和不确定性,结合油中气体分析方法,提出应用B样条模糊神经网络对变压器故障进行诊断。模糊神经网络的基函数采用B样条函数,可以使网络的权值调整在局部范围内,从而可以加快网络的学习速度,仿真结果证明了该方法可以有效地检测出变压器故障类型。
（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。
样条网络论文参考文献
[1].韩德东.基于B样条曲线插补实验的网络教学平台设计[J].无线互联科技.2018
[2].薛小军,曹伟青.基于B样条模糊神经网络的变压器故障诊断[J].山东工业技术.2018
[3].周楠.样条自适应滤波器与网络研究[D].苏州大学.2018
[4].龚小龙.基于结构参数优化的B样条网络时间序列预测模型及工业应用[D].湖南工业大学.2018
[5].龚小龙,孔玲爽,袁川来,肖会芹.非线性时间序列粒子群优化B样条网络预测模型[J].电子测量与仪器学报.2017
[6].夏琦博,李建良.基于B样条神经网络的地磁场曲面拟合[J].安阳工学院学报.2017
[7].王彦之,王天剑.叁次样条插值对人工神经网络预测软土固结精确度的影响[J].四川理工学院学报(自然科学版).2017
[8].叶成绪,郭超凡,任竞尧,凌应标,张雨浓.叁次样条和二次删除相辅助的WASD神经网络与日本人口预测[J].软件.2017
[9].梅欢,马艳东,单九思,彭晔.基于样条插值与RBF网络的道岔故障诊断系统[J].计算机技术与发展.2017
[10].王雷雷.分子叁次分母一次第二类有理样条权函数神经网络灵敏度分析及其应用[D].南京邮电大学.2016