导读:本文包含了多层前向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:多层前向网络,拓扑结构,动态结构设计,泛化能力
多层前向网络论文文献综述
韩利芬,李光耀,韩旭,王卫平,冯剑军[1]（2008）在《多层前向网络的动态结构设计方法及其在回弹预测中的应用》一文中研究指出从构造的角度,开展神经网络的动态结构设计研究,提出一种基于泛化的多层前向网络动态结构设计方法,编制了相应的计算程序。在该方法中,基于Ockhams RAZOR原则,从一个较小的基本网络开始,通过动态增加隐结点或隐层,综合运用网络泛化能力的多种改进方法,改进的BP算法以及快速搜索机制和全局搜索机制相结合确定学习速率、动量系数、跳跃因子和正则化系数的方法,采用网络权值的局部和全局调节方案,对多层前向网络进行动态结构设计。上述方法在凸凹弧翻边回弹预测中的应用实例表明,运用该方法设计的网络具有较好的计算精度。(本文来源于《机械工程学报》期刊2008年11期）
王伟,王田苗,魏洪兴[2]（2008）在《LS-SVM与多层前向网络的非线性回归性能比较》一文中研究指出在阐述支持向量机(SVM)和最小二乘支持向量机(LS-SVM)的原理并比较了两者的优缺点后,将LS-SVM与多层前向网络中的两种典型网络BP网络和RBF网络,分别应用于装载机载重动态测量的非线性函数回归估计中,对这叁种网络在函数逼近和泛化能力两方面的性能进行比较研究。仿真结果表明,LS-SVM在精度和泛化性能两方面做到了最好的折衷,是用于非线性函数回归分析的一种很有效的方法。(本文来源于《系统仿真学报》期刊2008年01期）
赵贵玉[3]（2005）在《多层前向网络泛化能力的研究与应用》一文中研究指出人工网络以其具有自学习、自组织、一定的泛化能力和优良的非线性逼近能力,受到众多领域学者的关注,已经被广泛应用到实际中。BP网络是应用最广的一种网络,训练比较简单,能力强大,但它并不是完美的,仍然有需要改善之处。本文首先介绍神经网络的基本原理和BP网络的基本模型和训练,然后介绍BP网络的一些启发式技巧和作者对BP算法的一些改进,改进的主要目的是提高网络训练速度和泛化能力。实验证明这些改进确实提高了网络的性能,降低了网络的训练难度。(本文来源于《中国人民解放军信息工程大学》期刊2005-04-01）
吕岗,陈小平,赵鹤鸣[4]（2003）在《一种优化多层前向网络的IA-BP混合算法》一文中研究指出该文针对免疫算法(IA)在优化较大规模的多层前向神经网络时收敛速度慢的缺点,给出了一种综合免疫算法和BP算法优点的IA-BP混合算法,它首先采用免疫算法进行全局搜索,然后调用BP算法进行局部搜索,从而加快收敛速度。实验结果表明该算法在训练较大规模的前向神经网络时性能要优于免疫算法和BP算法。(本文来源于《计算机工程与应用》期刊2003年27期）
陈立志,方瑾,蔡庆生,刘铁男[5]（2002）在《多层动态前向网络在油田系统预测中的应用》一文中研究指出针对油田系统常规的建模和动态预测方法的局限性,采用多层动态前向网络作为油田系统的辨识模型,研究了多层动态前向网络预测模型与预测技术.分析了递推预报误差学习算法的不足之处,提出了改进方案,提高算法的性能,从而更新了油田系统建模和预测方法.新方案在油田开发动态指标预测应用中,取得了很好的效果,表明本文方法的有效性.(本文来源于《模式识别与人工智能》期刊2002年03期）
李映,白本督,焦李成[6]（2001）在《基于进化规划的多层前向网络结构优化》一文中研究指出基于进化规划(EP)方法,该文提出了设计多层前向网络拓扑结构和权值分布的一种新算法—EPANN算法。EPANN算法能同时进化网络的结构和连接权值(包括阈值),在进化过程中,强调父代和子代之间的行为联结,结构变异既有结点删除,又有结点增加,不同于单纯的删除算法或构造算法,且结点删除总是先于结点增加,保证了网络规模尽可能小而泛化能力尽可能强。(本文来源于《电子与信息学报》期刊2001年12期）
何剑春,俞立,杨马英,陈国定[7]（2000）在《基于拟牛顿法多层前向网络的预测控制》一文中研究指出通过应用具有二阶线性收敛速度的拟牛顿法于多层前向网络 ,以作为非线性预测控制中的预测模型 ,结合非线性优化方法 ,实现对于一般意义非线性系统的预测控制。仿真表明文中算法大大提高了网络学习收敛速度 ,使非线性预测控制算法的实时性能有很大改观。(本文来源于《浙江工业大学学报》期刊2000年02期）
董聪[8]（1999）在《多层前向网络拓扑结构学习方法》一文中研究指出网络的拓扑优化问题一直是国际人工神经网络研究的热点和难点[1]。其主要原因在于,最优网络拓扑结构不仅有利于硬件实现,更有利于网络泛化功能的改善。沿信息流方向,设多层前向网络相邻2层的层标为ｊ,ｋ,节点数为ｍ,ｐ,则第ｋ层的输入可表示为:Ｘｋ=ＹｊＷｊ,ｋ ...(本文来源于《大自然探索》期刊1999年04期）
杨杰,黄欣,陆正刚[9]（1999）在《基于多层前向网络的模糊规则自动生成》一文中研究指出模糊控制是人工智能的一个重要研究领域，已在家电和工业控制中得到重视和应用。模糊规则自动生成是模糊控制的关键性技术之一。模糊控制的目标就是使得一系列输入与期望输出之间的平滑过渡。对于人工神经网可应用于模糊规则自动生成，这是因为人工神经网可用作近似化工具实现这一系列输入与期望输出之间的数据拟合。提出基于多层前向网络的模糊规则自动生成算法（通过数据拟合、有监督的分类），并说明其特点。(本文来源于《计算机工程与应用》期刊1999年10期）
董聪,郭晓华[10]（1999）在《多层前向网络拓扑结构学习算法的实验研究》一文中研究指出人工神经网络研究热潮的再度兴起有其客观的历史背景。SO年代以来，以符号机制（Spoblim）为代表的经典人工智能形式体系取得了巨大的成功。SO年代，当人们对过去30年的成就与问题进行反思时，却不得不承认，智能系统如何从环境中自主学习的问题事实上并未很好的(本文来源于《大自然探索》期刊1999年03期）
多层前向网络论文开题报告
（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：
在阐述支持向量机(SVM)和最小二乘支持向量机(LS-SVM)的原理并比较了两者的优缺点后,将LS-SVM与多层前向网络中的两种典型网络BP网络和RBF网络,分别应用于装载机载重动态测量的非线性函数回归估计中,对这叁种网络在函数逼近和泛化能力两方面的性能进行比较研究。仿真结果表明,LS-SVM在精度和泛化性能两方面做到了最好的折衷,是用于非线性函数回归分析的一种很有效的方法。
（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。
多层前向网络论文参考文献
[1].韩利芬,李光耀,韩旭,王卫平,冯剑军.多层前向网络的动态结构设计方法及其在回弹预测中的应用[J].机械工程学报.2008
[2].王伟,王田苗,魏洪兴.LS-SVM与多层前向网络的非线性回归性能比较[J].系统仿真学报.2008
[3].赵贵玉.多层前向网络泛化能力的研究与应用[D].中国人民解放军信息工程大学.2005
[4].吕岗,陈小平,赵鹤鸣.一种优化多层前向网络的IA-BP混合算法[J].计算机工程与应用.2003
[5].陈立志,方瑾,蔡庆生,刘铁男.多层动态前向网络在油田系统预测中的应用[J].模式识别与人工智能.2002
[6].李映,白本督,焦李成.基于进化规划的多层前向网络结构优化[J].电子与信息学报.2001
[7].何剑春,俞立,杨马英,陈国定.基于拟牛顿法多层前向网络的预测控制[J].浙江工业大学学报.2000
[8].董聪.多层前向网络拓扑结构学习方法[J].大自然探索.1999
[9].杨杰,黄欣,陆正刚.基于多层前向网络的模糊规则自动生成[J].计算机工程与应用.1999
[10].董聪,郭晓华.多层前向网络拓扑结构学习算法的实验研究[J].大自然探索.1999