学位论文 > 优秀研究生学位论文题录展示

广义同余神经网络的性能分析与改进

作 者: 唐瑞雪
导 师: 蔡淮
学 校: 西南交通大学
专 业: 控制理论与控制工程
关键词: 神经网络 广义同余 激励函数 学习算法 泛化能力 模式识别
分类号: TP183
类 型: 硕士论文
年 份: 2008年
下 载: 34次
引 用: 0次
阅 读: 论文下载
 

内容摘要


近年来,神经网络理论研究取得了很大的进展,在各个领域的应用也取得丰硕的成果。作为神经网络的经典模型,BP(误差逆向传播)网络也得到了快速发展和广泛的应用,但同时存在着学习效率低,收敛速度慢,难以用数字硬件实现等问题。随着人们对神经网络实时性、规模性的要求越来越高,解决这些问题也显得更加迫切。有关广义同余神经网络(GCNN——GENERALIZED CONGRUENCENEURAL NETWORKS)已有的研究表明,相对于普通BP网络,GCNN具有很快的收敛速度,且已证明单隐层的GCNN具有一致逼近能力。本论文针对GCNN的性能进行分析,并对已有GCNN做出改进。本论文主要研究内容包括以下几个方面:首先,用贝叶斯正则化方法及提前终止法改进GCNN神经网络,优化后的GCNN神经网络有比较好的泛化能力,学习速度快,相对误差较小,操作方便。实例分析表明,运用此算法优化GCNN的方法是令人满意的。第二,对改进GCNN的性能进行分析,主要包括GCNN网络的逼近能力的分析,泛化能力的分析,其神经元阈值对GCNN学习收敛性的影响,初始权值对训练速度和精度的影响,隐含层数目及隐含层神经元数对网络学习和工作的影响。并给出实例来性能分析的结论进行了证明。第三,用计算实例做比较BPNN和GCNN的性能,实验结果表明:改进的GCNN的网络结构及学习算法是有效的,GCNN比普通BP网络及其部分变体具有更快的学习速度和较好的逼近、分类精度。最后,将GCNN成功应用到刀具状态的监测实例中,对不同工况条件下实验得到的数据进行分析,得到相同的结论:GCNN神经网络能有效地实现刀具磨损状态的智能诊断,网络作为刀具磨损状态的分类器,并有效的进行模式识别和分类,完成故障智能诊断。

全文目录


摘要  6-7
Abstract  7-11
第1章 绪论  11-18
  1.1 神经网络的产生  11-12
  1.2 神经网络研究的概念  12-13
  1.3 神经网络研究的特性及应用  13-15
    1.3.1 神经网络的特性  13
    1.3.2 神经网络的应用领域  13-15
  1.4 国内外研究现状分析  15-17
  1.5 研究内容及文章结构安排  17-18
第2章 广义同余神经网络(GCNN)  18-29
  2.1 GCNN研究背景  18-20
    2.1.1 BP网络的一些问题  18-20
    2.1.2 GCNN已有的一些研究成果  20
  2.2 广义同余神经网络  20-26
    2.2.1 广义同余神经元  20-21
    2.2.2 广义同余函数  21-24
    2.2.3 网络结构  24-25
    2.2.4 GCNN学习算法  25-26
  2.3 改进的学习算法——贝叶斯正则化GCNN算法  26-28
  2.4 本章小结  28-29
第3章 GCNN性能分析  29-47
  3.1 逼近能力分析  29-31
  3.2 泛化能力分析  31-32
  3.3 神经元阈值的研究  32
  3.4 初始权值及隐含层的研究  32-33
  3.5 验证GCNN性能分析的实验  33-40
    3.5.1 函数逼近及泛化能力实验  34-38
    3.5.2 神经元阈值实验  38-40
  3.6 GCNN的改进算法实验  40-46
    3.6.1 贝叶斯正则化GCNN实验  40-44
    3.6.2 提前停止算法实验  44-46
  3.7 本章小结  46-47
第4章 GCNN与BPNN的比较  47-62
  4.1 基本BPNN网络  47-50
  4.2 GCNN与BPNN比较  50-57
    4.2.1 激励函数的比较  50-53
    4.2.2 学习算法的比较  53-57
  4.3 GCNN与BPNN的实验比较  57-61
    4.3.1 异或实验  58-59
    4.3.2 函数逼近实验  59-61
  4.4 本章小结  61-62
第5章 GCNN在刀具监测中的模式识别应用  62-75
  5.1 刀具监测的介绍  62-65
    5.1.1 刀具监测的意义  62-63
    5.1.2 刀具磨损状态的监测方法  63-64
    5.1.3 刀具磨损状态的监测系统  64-65
  5.2 GCNN对刀具磨损状态的监测  65-69
    5.2.1 刀具磨损过程  65
    5.2.2 实验条件及仿真数据来源  65-66
    5.2.3 刀具磨损状态特征提取  66-69
  5.3 GCNN网络设计  69-74
    5.3.1 GCNN网络结构参数设计  69-70
    5.3.2 GCNN网络检验数据的实际输出与目标输出比较  70-72
    5.3.3 贝叶斯正则化GCNN的刀具磨损状态识别  72-74
  5.4 GCNN用于刀具磨损状态监测的结论  74-75
第6章 结论与展望  75-77
  6.1 全文工作总结  75
  6.2 未来展望  75-77
致谢  77-78
参考文献  78-83
攻读硕士学位期间发表的论文  83

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 基于流形学习的高维流场数据分类研究,V231.3
  4. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  5. 红外超光谱图像的虚拟探测器研究,TP391.41
  6. 基于仿生模式识别的文本分类技术研究,TP391.1
  7. 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
  8. 基于神经网络的水厂投药预测控制研究,TP273.1
  9. 机械臂视觉伺服系统的研究,TP242.6
  10. 压电驱动微工作台的控制与校正技术研究,TP273
  11. 某武器检测装置的控制系统设计,TP183
  12. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  13. 市级旅游用地规划环境影响评价研究,X820.3
  14. 珠三角地区高性能混凝土配合比智能化系统,TU528
  15. 大学生综合素质测评研究,G645.5
  16. 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
  17. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  18. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  19. 基于神经网络辨识的同步发电机励磁控制研究,TM31
  20. 基于BP神经网络的水稻干燥智能控制研究,S226.6
  21. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com