导读:本文包含了区间神经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:区间预测,区间离散二阶差分方程,铁路客运量,BP神经网络
区间神经网络论文文献综述
刘金培,黄燕燕,汪漂[1]（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）
杨利纳,李文竹,刘心[2]（2019）在《基于灰色遗传BP神经网络的校园区间需水预测研究》一文中研究指出水资源预测是城市安全用水的基础保障,而校园用水预测是城市用水规划和管理的组成部分。针对校园用水受很多因素影响产生的不确定性,提出了基于灰色遗传BP神经的校园用水预测模型。模型对校园用水的数据进行灰色关联分析,并加入遗传算法去优化BP神经网络,经过残差计算,输出区间的预测值。运用该模型可以充分提取小样本信息,解决神经网络无法自动寻优的问题。通过Matlab对校园的用水区间数据进行仿真,得出的结果显示,预测的数据和实际数据基本吻合,其仿真精度可以达到90. 32%,验证了该方法的可行性,此预测方法有一定的借鉴意义。(本文来源于《水资源与水工程学报》期刊2019年03期）
郭强,李文竹,刘心[3]（2018）在《基于贝叶斯BP神经网络的区间需水预测方法》一文中研究指出结合校园历史用水数据,采用贝叶斯BP神经网络区间预测方法,对校园用水量进行预测。首先运用贝叶斯准则对BP神经网络进行优化,之后对区间预测进行仿真并和传统的BP神经网络预测法进行比较,结果显示预测准确率为96.7%,多数预测值和实际用水量吻合,相对误差绝对值平均为1.6%,最大预测误差为4.2%,表明该方法不仅可以解决传统BP神经网络易陷入局部极小化和收敛速度慢的问题,而且能够有效预测出校园日用水量的波动范围,验证了预测方法的有效性和精确性。(本文来源于《人民黄河》期刊2018年12期）
郭强[4]（2018）在《基于贝叶斯准则的BP神经网络校园区间需水预测及优化调度方法》一文中研究指出随着经济的迅速增长和人民生活水平的逐步提高,国内生活用水需求呈现出日益增长的局面,水资源供需矛盾日益突出,合理利用水资源至关重要。对于供水管网系统而言,准确可靠的水资源需求预测方法是城市供水调度的重要基础,合理有效的水资源调度方法是实现水资源可持续发展的必要环节,对水资源进行精确的预测及优化调度有利于对供水、用水和节水进行合理规划,进而促进供水管网系统的高效运行。本文结合校园历史用水数据,采用贝叶斯BP神经网络区间预测方法对校园需水量进行预测。该方法在改善BP神经网络易陷入局部极小化和收敛速度慢的问题的同时,能够有效预测出校园日用水量的波动范围,预测的准确率达到了96.7%,从而为水资源调配提供有效参考。本文先介绍了需水区间预测的具体方法,然后用贝叶斯法则对BP神经网络进行优化,之后对区间预测进行仿真,并与传统的BP神经网络预测方法进行对比。仿真结果表明,多数预测值基本和实际用水数值吻合,相对误差绝对值的平均值为1.6%,最大时刻预测误差为4.2%,从而验证所提出预测方法的有效性和精确度。此外,本文结合校园用水数据,以供水量、需水量和用水费用为约束条件,以人口目标和水环境目标为综合目标函数,通过遗传算法来对供水泵的相关参数进行优化,从而建立了一种基于综合目标遗传算法的水资源调度方法。该方法不仅能保证师生充分利用水资源,而且能够有效的保护水环境、节约水资源,避免了传统用水过分追求使用舒适度而忽视水资源环境及水资源浪费的问题。此外,本文通过引入节流装置,在综合目标遗传算法的控制下进一步节约水资源。最后实例分析的结果验证该方法应用在水资源优化调度中是合理有效的,进而为水资源调配提供有效的参考。(本文来源于《河北工程大学》期刊2018-12-01）
任欣元,任伟建,朱永波,黄丽杰[5]（2017）在《不确定区间时变时滞神经网络的鲁棒控制》一文中研究指出研究了一类不确定时变时滞神经网络的鲁棒控制问题。利用Lyapunov-Krasovakii泛函和积分不等式方法,得到了该神经网络系统的鲁棒H∞稳定性准则和镇定条件。与已有文献相比,所获得的研究结论改进了目前现有的成果,尤其在减小条件保守性及降低结果冗余设计方面都有比较大的进步。数值算例验证了所给方法的正确性。(本文来源于《控制工程》期刊2017年12期）
韩红桂,刘峥,乔俊飞[6]（2018）在《基于区间二型模糊神经网络污水处理过程溶解氧浓度控制》一文中研究指出针对城市污水处理过程溶解氧浓度难以精确控制的问题,提出了一种基于区间二型模糊神经网络(interval type-2 fuzzy neural networks,IT2FNN)的溶解氧浓度控制方法。先将IT2FNN应用在城市污水处理过程溶解氧浓度控制器的设计,获得了一种IT2FNN溶解氧浓度控制器。后采用自适应学习算法在线调整控制器的参数,提高了控制器的自适应能力。最后将提出的IT2FNN溶解氧浓度控制器应用于基准仿真2号模型(benchmark simulation model no.2,BSM2)平台,结果表明,IT2FNN控制器能够实现第5分区溶解氧浓度精确控制,具有较好的控制效果。(本文来源于《化工学报》期刊2018年03期）
林焰,杨建辉[7]（2017）在《基于模糊粒化的改进混合神经网络股指期货价格区间预测》一文中研究指出为提高区间预测的精度,提出一种基于叁角模糊信息粒化的改进径向基(RBF)与支持向量回归机(SVR)相结合的混合神经网络区间预测模型,对股指期货价格的变化区间进行预测。首先,对原始数据进行模糊粒化处理,获得相应的变化区间;其次,采取自组织学习策略并运用减聚类算法,对传统的RBF神经网络进行优化,改进模型的结构与参数;然后,运用SVR对模型滚动预测过程中产生的残差趋势作进一步的估计,从而修正预测值;最后,运用改进混合神经网络对模糊粒化后的沪深300股指期货数据进行实例验证。结果表明,基于模糊信息粒化的改进混合神经网络区间预测模型能够较为精确地预测股指期货价格的变化范围与价格走势,有效提高单一非参数模型的点预测与区间预测的精度和运行效率,同时具备较好的网络结构与拟合能力。(本文来源于《南方金融》期刊2017年11期）
韩红桂,刘峥,乔俊飞[8]（2017）在《基于区间二型模糊神经网络污水处理过程溶解氧控制》一文中研究指出针对城市污水处理过程溶解氧浓度难以精确控制问题,文中提出了一种基于区间二型模糊神经网络(Interval type-2 fuzzy neural networks,IT2FNN)的溶解氧控制方法。首先,将IT2FNN应用于城市污水处理过程溶解氧浓度控制器的设计,获得了一种IT2FNN溶解氧浓度控制器。其次,采用梯度下降算法对控制器的参数进行在线调整,提高了控制器的精度。最后,将提出的IT2FNN溶解氧浓度控制器应用于基准仿真2号模型(Benchmark simulation model No.2,BSM2)平台;实验结果表明,IT2FNN控制器能够实现第五分区溶解氧浓度的精确控制,具有较好的控制效果。(本文来源于《第28届中国过程控制会议（CPCC 2017）暨纪念中国过程控制会议30周年摘要集》期刊2017-07-30）
张宗雪[9]（2017）在《双直线电机驱动的H型平台区间二型模糊神经网络控制》一文中研究指出该课题来源于国家自然科学基金(51175349)及辽宁省自然科学基金(2015020151)。H型精密运动平台是由叁台结构和参数完全相同的永磁直线同步电机组成的,其中Y轴方向上的两台永磁直线同步电机安装在两个平行导轨上沿Y方向水平移动,X轴上安装一台电机沿X轴方向移动。但是尽管对Y轴方向上的两台电机采用了完全相同的控制方法,也会由于电机参数变化,摩擦力和负载扰动的不平衡等不确定因素导致两边的运动无法达到完全一致而存在位置同步误差,这会影响加工工件的质量,甚至由于过电流保护而造成工作过程的卡顿。因此,本文的研究目的就是设计一个控制器来保证单轴的高精度运动,在此基础上还需要设计一个同步补偿器来减小H型精密运动平台的位置同步误差。本文首先介绍了H型平台的国内外发展现状及其控制策略的研究现状。由于双轴间存在的位置同步误差会造成运动精度的降低,因此在考虑了X轴动子运动对Y方向两平行轴造成扭摆力的影响下,根据永磁直线同步电机的基本原理及其数学模型推导出包含电机参数变化,外部扰动和摩擦力等不确定因素的H型精密运动平台的数学模型。接着,在已知H型精密运动平台数学模型的基础上,针对单轴的运动性能提出了基于HJI(Hamilton-Jacobi Inequality)理论的滑模鲁棒控制方法。这种控制方法首先设计了控制系统的滑模控制律,然后又设计了Lyapunov函数,再基于HJI理论,从而证明鲁棒条件可以成立。为了减小双轴间的位置同步误差,设计了交叉耦合(Cross-Coupling Control,CCC)同步补偿器。使用MATLAB/Simulink对所设计的控制器进行建模与仿真分析,并将其与传统滑模的控制方法进行比较,证明所提出的控制方法可以减小单轴的位置跟踪误差,并且交叉耦合同步补偿器提高了双轴间的同步性能。最后,基于H型精密运动平台单轴运动控制器的可靠性,为了进一步提高双轴间的位置同步误差精度,提出了区间二型模糊神经网络(Interval Type-2 Fuzzy Neural Network,IT2FNN)补偿器。将区间二型模糊逻辑作为一型模糊逻辑的扩展,从而更好地处理非线性和不确定性系统,并且计算方法比二型模糊更简便。运用MATLAB/Simulink仿真软件对所提出的补偿器进行建模与仿真分析。(本文来源于《沈阳工业大学》期刊2017-05-31）
单麒赫[10]（2017）在《基于动态时滞区间方法的具有时变时滞的随机神经网络稳定性分析》一文中研究指出近几十年来,神经网络理论与应用研究成为世界范围内研究热点。传统神经网络模型中,输入层到隐含层再到输出层,层与层之间是全连接的,但是每层之间的节点是无连接的,不存在信息反馈,导致该模型具有极强的局限性。因此,递归神经网络引起越来越多学者的关注。递归神经网络(或称循环神经网络)的表现形式为网络模型会对上一时刻的历史信息进行记忆并应用于当前输出的计算中,即隐藏层之间的节点不再无连接而是有连接的,并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出,具有丰富的动力学特性,被广泛应用于模式识别,联想记忆,平行计算,组合优化等许多领域。为充分有效地利用递归神经网络的动力学特性解决优化控制问题,对其稳定性问题的研究,即判定递归神经网络是否存在唯一的稳定的平衡点,是至关重要的。因为存在不稳定的平衡点会导致网络优化结果发散,而且存在多个稳定的平衡点也可能会导致网络优化结果的次优性。因此,如何有效地克服导致网络不稳定的重要因素,构建递归神经网络稳定性判据,判定网络内平衡点的唯一性和稳定性问题十分关键。其中,最需要关注的两种不稳定影响因素是网络中由于信号传播速度限制而产生的时滞现象,以及由于外部环境扰动而产生的随机噪声扰动。针对噪声环境下的时滞递归神经网络稳定性问题,本文首先提出一种新的分析时滞的方法——动态时滞区间方法,并分析了具有多时变时滞及迭加时变时滞递归神经网络的稳定性;其次,考虑到计算量负担,构建了基于凸不等式的具有多时变时滞递归神经网络的稳定性的判定准则;再次,分别研究了基于白噪声和广义噪声建模的随机递归随机神经网络稳定性问题;最后,数值仿真验证了本文所提方法和结果的有效性。本文的主要内容和贡献可概述如下:(1)针对时变时滞神经网络稳定性问题,提出了动态时滞区间方法,并将基于此技术得到的线性矩阵不等式结果应用于时变时滞递归神经网络稳定性的分析。该方法降低了时变时滞递归神经网络稳定性分析中由于矩阵不等式放缩而造成的保守性。理论分析显示,当动态时滞区间参数得到有效优化时,保证系统稳定的允许最大时变时滞上界会明显增大,系统稳定条件的保守性大大降低。与此同时,研究了动态时滞区间参数的优化方法。(2)针对多时变时滞神经网络的稳定性问题,基于动态时滞区间方法,提出了改进的多时变时滞神经网络的稳定性判定方法。该方法将原有的适用于分析一般多时滞系统的李雅普诺夫函数改进为带有柔性积分上下限的李雅普诺夫函数,并基于提出的新的李雅普诺夫函数,分析了多时变递归神经网络的稳定性,并获得了相应的判定定理。(3)针对带有多时变时滞递归神经网络的全局渐近稳定性问题,以Cohen-Grossberg递归神经网络为例,考虑依赖矩阵自由权个数的计算量,提出基于广义矩阵凸不等式的稳定性分析方法。利用数学归纳法证明了广义矩阵凸不等式成立。基于广义矩阵凸不等式,提出判定多时变时滞递归神经网络稳定性的线性矩阵不等式准则。(4)针对白噪声环境下的随机时滞神经网络,提出基于白噪声建模的随机时滞神经网络稳定性判定方法。利用布朗运动及神经网络参数不确定性来刻画神经网络中的随机扰动。基于动态时滞区间方法,设计改进的李雅普诺夫函数,并分析了其沿系统求导后的函数的大小。基于广义Finsler定理,提出了改进的随机时滞神经网络稳定性的判定定理。(5)针对非白噪声环境下的随机递归神经网络,提出基于广义噪声建模的随机递归神经网络稳定性分析方法。定义一类新的噪声,即广义噪声,对其进行建模,并研究了带有广义噪声的递归神经网络的稳定特性。证明了广义噪声环境下,递归神经网络平衡点的存在性和唯一性。基于提出的新随机稳定性引理,得到LMI形式的递归神经网络稳定性判定准则,并讨论了随机递归神经网络稳定性判定的保守性问题。(本文来源于《东北大学》期刊2017-04-01）
区间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：
水资源预测是城市安全用水的基础保障,而校园用水预测是城市用水规划和管理的组成部分。针对校园用水受很多因素影响产生的不确定性,提出了基于灰色遗传BP神经的校园用水预测模型。模型对校园用水的数据进行灰色关联分析,并加入遗传算法去优化BP神经网络,经过残差计算,输出区间的预测值。运用该模型可以充分提取小样本信息,解决神经网络无法自动寻优的问题。通过Matlab对校园的用水区间数据进行仿真,得出的结果显示,预测的数据和实际数据基本吻合,其仿真精度可以达到90. 32%,验证了该方法的可行性,此预测方法有一定的借鉴意义。
（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。
区间神经网络论文参考文献
[1].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
[2].杨利纳,李文竹,刘心.基于灰色遗传BP神经网络的校园区间需水预测研究[J].水资源与水工程学报.2019
[3].郭强,李文竹,刘心.基于贝叶斯BP神经网络的区间需水预测方法[J].人民黄河.2018
[4].郭强.基于贝叶斯准则的BP神经网络校园区间需水预测及优化调度方法[D].河北工程大学.2018
[5].任欣元,任伟建,朱永波,黄丽杰.不确定区间时变时滞神经网络的鲁棒控制[J].控制工程.2017
[6].韩红桂,刘峥,乔俊飞.基于区间二型模糊神经网络污水处理过程溶解氧浓度控制[J].化工学报.2018
[7].林焰,杨建辉.基于模糊粒化的改进混合神经网络股指期货价格区间预测[J].南方金融.2017
[8].韩红桂,刘峥,乔俊飞.基于区间二型模糊神经网络污水处理过程溶解氧控制[C].第28届中国过程控制会议（CPCC2017）暨纪念中国过程控制会议30周年摘要集.2017
[9].张宗雪.双直线电机驱动的H型平台区间二型模糊神经网络控制[D].沈阳工业大学.2017
[10].单麒赫.基于动态时滞区间方法的具有时变时滞的随机神经网络稳定性分析[D].东北大学.2017
标签：区间预测; 区间离散二阶差分方程; 铁路客运量; BP神经网络;