导读:本文包含了离散型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,评价,区间,混沌,卷积,客运量,时间。
离散型神经网络论文文献综述
游星星,梁伦海[1]（2019）在《离散分数阶神经网络的全局Mittag-Leffler稳定性》一文中研究指出研究了一类离散分数阶神经网络的Mittag-Leffler稳定性问题.首先,基于离散分数阶微积分理论、神经网络理论,提出了一类离散分数阶神经网络.其次,利用不等式技巧和离散Laplace变换,通过构造合适的Lyapunov函数,得到了离散分数阶神经网络全局Mittag-Leffler稳定的充分性判据.最后,通过一个数值仿真算例验证了所提出理论的有效性.(本文来源于《应用数学和力学》期刊2019年11期）
王林,高林,郭亦文,安朝榕,金国强[2]（2019）在《离散粒子群寻优径向基神经网络模型在脱硝控制中应用》一文中研究指出提出了一种选择性催化还原(SCR)烟气脱硝预测控制方法,该方法采用粒子群寻优的径向基(RBF)神经网络预测SCR脱硝系统入口NOx质量浓度,将整体寻优空间离散化,通过采用节点寻优并结合最速梯度方法重构寻优模型,同时将该RBF神经网络预测结果引入脱硝控制策略,应用到火电机组的喷氨控制。在某350 MW机组实际应用结果表明,该神经网络模型不仅能实现喷氨自动控制,而且能提高喷氨系统控制精度。(本文来源于《热力发电》期刊2019年10期）
刘金培,黄燕燕,汪漂[3]（2019）在《区间离散二阶差分方程——BP神经网络组合预测方法》一文中研究指出针对小样本且具有较强波动性的区间时间序列的预测问题,文章提出了一种区间离散二阶差分方程——BP神经网络组合预测新方法,并讨论模型的相关性质,该模型对拐点区间数据具有较好的预测能力。实证预测结果表明,所提出的预测方法不但适用于小样本区间时间序列预测,对区间序列波动细节有较强的预测能力,而且比现有的区间时间序列预测模型有更高的预测精度。(本文来源于《统计与决策》期刊2019年14期）
汪萍[4]（2019）在《基于离散Hopfield神经网络高校毕业生就业质量评价》一文中研究指出为全面掌握高校毕业生就业质量状况,对毕业生就业跟踪调查显得尤其重要。通过对就业单位数据指标分析研究和分层,指导毕业生选择就业方向,完善高校人才培养目标,拓宽高校就业渠道和提高用人单位招聘质量。利用离散Hopfield神经网络可对就业单位质量进行全面综合的评价,凭借就业单位的质量指标及其对应的等级状态作为输入节点构建评价模型,仿真实验显示该模型在一定范围内较准确评价就业单位质量,具有很强的指导意义。(本文来源于《智库时代》期刊2019年24期）
吴小英,陈员龙[5]（2019）在《具有环状结构的离散神经网络的混沌性》一文中研究指出研究一类具有环状结构的延迟离散神经网络的混沌性,通过使用矩阵变换方法,建立具有较好性质的无延迟时间的无穷维等价系统,通过等价系统的性质获得延迟离散神经网络在远离原点区域的一个闭不变集,并证明此神经网络系统在此闭不变集上的子系统与具有两个符号的双边符号动力系统拓扑共轭。从而证明这类具有环状结构的神经网络系统在某种条件下存在Devaney混沌。(本文来源于《佳木斯大学学报(自然科学版)》期刊2019年03期）
张友硕[6]（2019）在《基于BP神经网络的离散车间智能制造系统评价体系的研究》一文中研究指出离散制造业在我国经济发展中占有重要地位,对我国的综合实力影响巨大。车间作为离散制造企业的传统的成本中心以及新的利润中心,在离散制造企业发展的过程中扮演着关键角色,在市场竞争日益激烈的今天,一个与车间生产契合的智能制造系统的重要性不言而喻。目前针对离散车间智能制造系统的评价主要是从生产效率,制造柔性等方面,从系统全局角度的考察较少,并且评价指标体系和评价方法存在一定局限性。鉴于此,论文构建基于BP神经网络算法的评价模型,以期为系统的评价离散车间智能制造系统提供理论参考。首先,构建离散车间智能制造系统的评价指标体系。在综合分析离散车间智能制造系统结构和一般运行过程的基础上,从基础资源,产品制造以及系统信息叁个维度初步建立评价指标体系,逐一分析评价体系中定性指标的定量化度量方法以及定量指标的计算公式,由于存在冗余现象,利用粗糙集属性约简方法进行评价指标体系优化。其次,建立基于BP神经网络的离散车间智能制造系统的评价模型。设计神经网络模型的结构,运用试凑法确定隐含层节点数,根据评价对象的特点选择隐含层以及输出层的传递函数,分析传统的BP算法存在的缺点并选取合适的优化算法,结合MATLAB仿真工程软件,在某汽车前桥装配车间科学选取样本数据,进行数据归一化处理后对BP评价模型进行网络训练并分析输出结果,验证所构建的BP评价模型的可行性。最后,设计并实现以BP神经网络算法为核心的评价原型系统。分析评价原型系统需求,设计系统结构和数据库表格,利用Visual 2015和SQL server 2014等专业编程软件,采用C#编程语言实现所设计的评价原型系统。通过采用定性分析与定量分析相结合的方法构建科学而全面的智能制造系统评价体系和评价模型,能够帮助企业管理者寻找智能制造系统的薄弱环节并进行改善,提高科学管理水平,同时丰富了智能制造系统评价的理论体系。(本文来源于《合肥工业大学》期刊2019-05-01）
武昭妤,肖学山[7]（2019）在《基于离散型Hopfield神经网络的挤压AZ31B镁合金力学性能分类评价的研究》一文中研究指出根据AZ31B镁合金挤压成形的加工特点,选择了挤压温度、挤压速度、挤压比、模具温度和挤压道次5个特征参数,利用离散型Hopfield神经网络的相关理论和方法,建立了试件力学性能的评价模型。结果表明,建立的神经网络模型可以很好地对AZ31B镁合金的抗拉强度等级进行分类,大大提高对试件力学性能评价和判断的效率。(本文来源于《热加工工艺》期刊2019年07期）
黄慧卉,何秀丽,时正华[8]（2019）在《基于离散时间观测的神经网络的随机镇定》一文中研究指出主要讨论了离散时间观测下的神经网络的随机镇定.首先,通过使用伊藤公式、Gronwall不等式、Burkholder-Davis-Gandy不等式等,证明得到离散时间观测的神经网络随机镇定的条件.其次,利用数值例子来对结论加以证明.(本文来源于《云南民族大学学报(自然科学版)》期刊2019年01期）
张治民[9]（2018）在《基于改进幅相型离散多电平复值神经网络的MPSK信号盲检测》一文中研究指出Hopfield神经网络对人工神经网络的发展具有重要的意义,在解决优化问题上尤为重要。多进制信号的Hopfield神经网络盲检测算法具有不依赖统计量、抗干扰性能强等优点符合现代通信系统的需求。在处理多进制信号时,Hopfield神经网络在寻找最优解的过程中会陷入局部最优或多次迭代都找不到最优解。针对该问题,以MPSK信号为发送序列,本文主要做出了如下几点创新:(1)本文的第二章在文献提出的幅相型离散多电平Hopfield神经网络(CHNN_APHM)模型结构基础之上引入固定扰动、自扰动、退火扰动这叁种扰动因子,设计出带扰动的幅相型离散多电平Hopfield神经网络盲检测算法,同时给出新算法的网络结构和动态方程,并证明新网络的稳定性。仿真实验结果表明新提出的算法与CHNN_APHM盲检测算法相比,在文献常见信道下有更强的抗干扰性能,所需的最小数据量更小,其中带自扰动的DCHNN_APHM算法性能最佳。(2)针对CHNN_APHM算法易陷入局部最优、需要多个起点等缺点,本文的第叁章将暂态混沌神经网络(TCNN)引入到MPSK信号盲检测中,提出幅相型离散多电平混沌神经网络(CTCNN_APHM)的盲检测算法,同时给出新的网络结构和对应的动态方程组,数学上分别证明了新的神经网络在同步模式和异步模式下的稳定性。实验仿真结果表明新算法在文献常见信道下的抗干扰性能强于CHNN_APHM算法,收敛所需的起点数也大幅降低,算法所需的数据长度缩短为原来的一半,但由于TCNN精细搜索能力的特点导致CTCNN_APHM算法收敛所需的时间变长。(3)本文第四章主要解决CTCNN_APHM算法收敛速度慢的问题,通过改进退火策略提高算法收敛速度,给出基于分段退火和对数退火的两种改进的CTCNN_APHM算法。实验仿真结果表明改进退火策略后的ICTCNN_APHM算法收敛速度相对于改进前有了大幅提高,同时也保证了该算法在文献常见信道下较强抗干扰性能的优势。两种退火策略的表现均能很好的解决第叁章遗留下来的问题。(本文来源于《南京邮电大学》期刊2018-11-14）
陈仁祥,黄鑫,杨黎霞,汤宝平,余腾伟[10]（2018）在《基于卷积神经网络和离散小波变换的滚动轴承故障诊断》一文中研究指出针对滚动轴承故障诊断时频特征自适应提取与智能诊断问题,提出了一种基于卷积神经网络(Convolution Neural Network,CNN)和离散小波变换(Discrete Wavelet Transform,DWT)的滚动轴承故障诊断方法。首先应用离散小波变换将信号时频特征充分展现,构造出时频矩阵;然后再利用卷积神经网络的多层特征提取网络对输入信号进行分级表达,将时频矩阵低层信号特征逐层变换形成抽象的深层特征,以获取原信号时频信息的分布式特征表达。最后在特征输出层后端添加softmax多分类器,利用反向传播(Backpropagation,BP)逐层微调结构参数,建立特征空间到故障空间的映射以生成合适的分类器,从而实现滚动轴承故障诊断。通过对不同故障类型、不同损伤程度以及不同工况下的滚动轴承进行故障诊断实验,结果证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性。(本文来源于《振动工程学报》期刊2018年05期）
离散型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：
提出了一种选择性催化还原(SCR)烟气脱硝预测控制方法,该方法采用粒子群寻优的径向基(RBF)神经网络预测SCR脱硝系统入口NOx质量浓度,将整体寻优空间离散化,通过采用节点寻优并结合最速梯度方法重构寻优模型,同时将该RBF神经网络预测结果引入脱硝控制策略,应用到火电机组的喷氨控制。在某350 MW机组实际应用结果表明,该神经网络模型不仅能实现喷氨自动控制,而且能提高喷氨系统控制精度。
（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。
离散型神经网络论文参考文献
[1].游星星,梁伦海.离散分数阶神经网络的全局Mittag-Leffler稳定性[J].应用数学和力学.2019
[2].王林,高林,郭亦文,安朝榕,金国强.离散粒子群寻优径向基神经网络模型在脱硝控制中应用[J].热力发电.2019
[3].刘金培,黄燕燕,汪漂.区间离散二阶差分方程——BP神经网络组合预测方法[J].统计与决策.2019
[4].汪萍.基于离散Hopfield神经网络高校毕业生就业质量评价[J].智库时代.2019
[5].吴小英,陈员龙.具有环状结构的离散神经网络的混沌性[J].佳木斯大学学报(自然科学版).2019
[6].张友硕.基于BP神经网络的离散车间智能制造系统评价体系的研究[D].合肥工业大学.2019
[7].武昭妤,肖学山.基于离散型Hopfield神经网络的挤压AZ31B镁合金力学性能分类评价的研究[J].热加工工艺.2019
[8].黄慧卉,何秀丽,时正华.基于离散时间观测的神经网络的随机镇定[J].云南民族大学学报(自然科学版).2019
[9].张治民.基于改进幅相型离散多电平复值神经网络的MPSK信号盲检测[D].南京邮电大学.2018
[10].陈仁祥,黄鑫,杨黎霞,汤宝平,余腾伟.基于卷积神经网络和离散小波变换的滚动轴承故障诊断[J].振动工程学报.2018
论文知识图
