导读:本文包含了统计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,卷积,人数,算法,密度,蒙古文,机器翻译。
统计神经网络论文文献综述
王晓倩,侯志芳,耿兴波,邱小燕[1]（2019）在《纳斯达克半导体行业股指统计特性及其神经网络预测技术研究》一文中研究指出金融时间序列统计特性和神经网络预测研究对于掌握金融市场发展规律,并指导长期或短期投资行为具有重要意义。采用经验模态分解(EMD)、时间内禀相关分析(TDIC)和Hilbert谱分析等方法对纳斯达克半导体行业股指进行了尺度统计分析,并利用先验的神经网络对纳斯达克半导体行业股指进行了预测。统计分析发现,各阶本征模态函数(IMF)呈现一定的周期性,能谱分析的结果显示半导体行业股具有统计行为;利用先验的神经网络对半导体股指进行预测,发现半导体行业股指将会在未来一段时间内保持振荡趋势,不同的反向传播(BP)神经网络预测模型可以有效应对半导体行业长期和短期投资方案,可为投资者提供有效的借鉴。(本文来源于《应用技术学报》期刊2019年02期）
王宏刚,田洪迅,李浩松,王越,施明泰[2]（2019）在《考虑小样本统计的BP神经网络配电系统可靠性预测方法》一文中研究指出传统服务于系统规划的可靠性分析方法,由于多基于逻辑推理或统计分析,需要以足量‘故障—停电’事件匀质样本为建模保障,在面对配电系统结构动态变化以及稀少数据环境时,难以对指标进行精确估计。在此背景下,提出一种考虑小样本统计的BP神经网络配电系统可靠性指标预测方法。为保证神经网络训练样本的充足性,并保留小样本自身的统计规律,该文提出并比较Bootstrap和核密度拉丁超立方采样2种小样本增广技术,基于扩充后的样本对具有相同结构的神经网络模型进行参数训练,利用所得的神经网络对可靠性指标进行预测的精度作为选择合适扩充技术与神经网络结合的依据。通过预测用户年均停电时间的算例分析表明,利用Bootstrap小样本扩充技术和BP神经网络相结合的方法在小样本统计条件下具有更高的预测精度。(本文来源于《电力科学与技术学报》期刊2019年02期）
王鑫[3]（2019）在《基于BP神经网络算法的计算机性能统计分析》一文中研究指出运算速度是对计算机性能进行评估的重要参考参数之一,所有专用于提高计算机性能的方法,都是为了加快操作速度。为了在执行某些类型的操作时获得计算机系统的性能,已经构建了各种评估系统。计算机的诞生开辟了一个焕然一新的时代,信息处理变得简单快速,极大地促进了人类文明的进步。BP(Back-Propagation)神经网络算法可以用来分析和调试计算机的性能。虽然神经网络演算的应用取得了很大进展,但对神经网络演算的主要概念仍然没有深入的研究。利用数学理论分析这些基本概念并将整个神经网络演算纳入严格的理论体系是值得进一步研究的工作。(本文来源于《数码世界》期刊2019年05期）
盛兆亮,高军伟[4]（2019）在《基于区域统计和BP神经网络的车牌识别》一文中研究指出为从车牌图像中获得车牌的字符信息,需要对字符识别系统进行研究。车牌识别过程分为图像预处理、车牌定位、车牌校正与分割和车牌字符识别4个环节。针对前3个环节,完成了图像中值滤波、Sobel算子边缘检测、数学形态学处理、Otsu二值化和Hough变换校正等工作,获得了单一标准字符图像。在车牌字符识别环节中,首先根据汉字位置,利用模板匹配算法对汉字进行识别,对于数字、字母字符,将字符图像分割,通过统计图像各部分的连通区域数以获得字符形态特征,据此设计并训练BP神经网络识别字符。最终获得能完成图像中的车牌字符识别的系统。(本文来源于《电子测量技术》期刊2019年08期）
李继秀,李啸天,刘子仪[5]（2019）在《基于SSD卷积神经网络的公交车下车人数统计》一文中研究指出传统典型的公交车人数统计方法在准确率和速度方面存在一些不足,且提取目标特征的效果较差.本文提出了基于深度卷积神经网络的公交车人数统计系统解决人群计数问题.首先制作数据集,难点在于所有用于训练的数据集均是手工标注.并且公交车摄像头角度比以往文献覆盖更广区域.本文首先比较了多种不同的深度卷积神经网络模型对乘客进行全身检测的效果.综合考虑检测速率、准确率等方面,最终采用单次检测器深度卷积神经网络模型对乘客进行人头目标检测,在线实时目标追踪算法实现人头的多目标追踪,跨区域人群计数方法统计公交车下车人数.系统准确率达到78.38%,运行速率约为每秒识别19.79帧.实现了人群计数.(本文来源于《计算机系统应用》期刊2019年03期）
钱超,李顶根[6]（2019）在《基于扩张卷积神经网络的密集区域人数统计系统》一文中研究指出由于密集区域人流遮挡严重,传统基于检测的人流统计算法估算挑战较大。同时现有的基于深度学习的人流统计算法结构复杂,训练难度大,计算量较大。基于此,本文提出了一种基于扩张卷积神经网络的人流统计算法,能够保证计算量的同时,进一步挖掘深层特征,提高模型精度。并且通过实验表明具有较高的精度,具有实际应用价值。(本文来源于《电子技术与软件工程》期刊2019年04期）
邓晓卫,章铖斌[7]（2019）在《基于混合神经网络模型预测下的统计套利研究》一文中研究指出文章以LSTM和BP神经网络为基础,引入一个混合神经网络模型将其应用于证券市场上的统计套利。实证表明:混合神经网络模型预测更精准;基于混合神经网络模型预测确定的套利策略其收益率、套利成功率、套利次数均高于BP神经网络模型预测进行套利的结果;扩大投资组合的规模可以有效增加套利次数和套利成功率,同时降低投资风险。(本文来源于《统计与决策》期刊2019年01期）
郭继昌,李翔鹏[8]（2018）在《基于卷积神经网络和密度分布特征的人数统计方法》一文中研究指出在行人监控视频中,由于行人遮挡、场景光照变化,人群分布不均等因素的影响使得现有方法难以准确统计视频中人数。针对该问题,提出一种基于卷积神经网络和密度分布特征的人数统计方法。该方法首先将场景中的人群依据密度进行划分;对稀疏人群,使用Retinex算法将场景去噪后转换至HSV空间中对行人位置进行预判,并使用栅极损失函数分块训练卷积神经网络提取行人特征,实现对遮挡行人局部位置的识别;对密集人群,提取人群密度分布特征并使用多核回归函数估计人群数量。该算法在PETS2009、UCSD等数据集上进行了测试,实验结果表明所提算法具有更好的统计精度。(本文来源于《电子科技大学学报》期刊2018年06期）
吴香华,蒙芳秀,熊萍萍,于华英,燕妮[9]（2018）在《基于自组织映射神经网络的吉林省春夏期降水统计模拟研究》一文中研究指出利用1997—2015年吉林省春夏期(4—7月)逐日气象站地面观测资料,以气温、气压、相对湿度、水汽压、风速为协变量,建立各站点逐日降水量的基于自组织映射神经网络(Self-Organizing Maps,SOM)的统计预测模型;分析吉林省春夏期的主要天气模态,研究逐日降水和天气模态之间的关系,并基于此关系提出逐日降水量的蒙特卡罗模拟方法。结果表明:SOM对天气模态的分型质量较好,邻近天气模态的累积概率分布较相似,距离较远的天气模态累计概率分布差异较大。各天气模态下无降水的概率与日降水量区间宽度的相关系数为-0. 94,显着性水平小于0. 01。基于降水量累积概率分布,20种天气模态被划分成4类,并与降水易发程度和逐日降水量完全对应。在此基础上,对吉林省24个站点逐日降水量进行蒙特卡罗模拟,并进行预测性能分析。平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RM SE)的中位数分别为3. 12 mm和6. 13 mm,SBrier和Ssig分别为0. 06和0. 51,站点的逐日降水量预测性能整体较好。MAE和RMSE分布呈现东南大西北小,去除降水自然变异差异的影响,所有站点的误差都较小; SBrier和Ssig没有明显的空间分布特征。(本文来源于《大气科学学报》期刊2018年06期）
任众,侯宏旭,武静,王洪彬,李金廷[10]（2018）在《基于统计和神经网络的蒙汉机器翻译研究》一文中研究指出该文对基于传统统计模型的蒙汉机器翻译模型和基于神经网络机器翻译模型进行了研究。其中,神经网络翻译模型分别为基于CNN、RNN的翻译模型,并通过将所有翻译模型结果进行句子级融合得到一个融合模型。面对蒙汉翻译面临资源稀少、蒙古文形态复杂等困难,该文提出多种翻译技术,对各个模型进行改进,并对蒙古文进行形态分析与处理。在翻译效果最好的CNN模型上,采用字和短语融合训练方法;基于RNN的翻译模型除用上述方法外,还采用Giza++指导对齐技术调整RNN注意力机制;针对SMT采用了实验室提出的重对齐技术。该文对实验结果进行了对比和分析,这叁种技术方法对相应系统翻译效果有显着提升。此外,蒙古文形态分析与处理对缓解数据稀疏、提升译文质量也有重要作用。(本文来源于《中文信息学报》期刊2018年11期）
统计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：
传统服务于系统规划的可靠性分析方法,由于多基于逻辑推理或统计分析,需要以足量‘故障—停电’事件匀质样本为建模保障,在面对配电系统结构动态变化以及稀少数据环境时,难以对指标进行精确估计。在此背景下,提出一种考虑小样本统计的BP神经网络配电系统可靠性指标预测方法。为保证神经网络训练样本的充足性,并保留小样本自身的统计规律,该文提出并比较Bootstrap和核密度拉丁超立方采样2种小样本增广技术,基于扩充后的样本对具有相同结构的神经网络模型进行参数训练,利用所得的神经网络对可靠性指标进行预测的精度作为选择合适扩充技术与神经网络结合的依据。通过预测用户年均停电时间的算例分析表明,利用Bootstrap小样本扩充技术和BP神经网络相结合的方法在小样本统计条件下具有更高的预测精度。
（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。
统计神经网络论文参考文献
[1].王晓倩,侯志芳,耿兴波,邱小燕.纳斯达克半导体行业股指统计特性及其神经网络预测技术研究[J].应用技术学报.2019
[2].王宏刚,田洪迅,李浩松,王越,施明泰.考虑小样本统计的BP神经网络配电系统可靠性预测方法[J].电力科学与技术学报.2019
[3].王鑫.基于BP神经网络算法的计算机性能统计分析[J].数码世界.2019
[4].盛兆亮,高军伟.基于区域统计和BP神经网络的车牌识别[J].电子测量技术.2019
[5].李继秀,李啸天,刘子仪.基于SSD卷积神经网络的公交车下车人数统计[J].计算机系统应用.2019
[6].钱超,李顶根.基于扩张卷积神经网络的密集区域人数统计系统[J].电子技术与软件工程.2019
[7].邓晓卫,章铖斌.基于混合神经网络模型预测下的统计套利研究[J].统计与决策.2019
[8].郭继昌,李翔鹏.基于卷积神经网络和密度分布特征的人数统计方法[J].电子科技大学学报.2018
[9].吴香华,蒙芳秀,熊萍萍,于华英,燕妮.基于自组织映射神经网络的吉林省春夏期降水统计模拟研究[J].大气科学学报.2018
[10].任众,侯宏旭,武静,王洪彬,李金廷.基于统计和神经网络的蒙汉机器翻译研究[J].中文信息学报.2018
论文知识图
