导读:本文包含了贝叶斯正则化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:数据清洗,综合指标,贝叶斯正则化,BP神经网络
贝叶斯正则化神经网络论文文献综述
孙发友,蒙祖强[1]（2019）在《一种设备状态监测的贝叶斯正则化BP神经网络》一文中研究指出设备全过程监测是有效消除设备隐患的重要环节,依据设备运行数据快速、准确、可靠的创建运行状态模型是建立故障早期预警的关键。以火电厂为例,由于火电厂现场生产环境复杂,正常状态设备会产生异常数据,本文首先将采用两倍差法进行数据清洗剔除异常数据,其次利用因子分析算法提取综合指标,最后基于贝叶斯正则化BP神经网络建立预测状态模型。将模型输出预测值与实测值进行计算产生设备状态信息。实验结果表明,预测模型输出值与实际状态值匹配度超过90%,已经达到实际生产环境要求,具有推广价值。(本文来源于《网络安全技术与应用》期刊2019年10期）
徐佳[2]（2019）在《贝叶斯正则化BP神经网络在地铁施工安全评价中的应用》一文中研究指出为了获取准确的地铁施工安全评价,文章通过建立贝叶斯正则化BP神经网络模型,克服传统安全分析方法的不足之处,防止网络的过度拟合。将此模型运用于MATLAB,可以发现贝叶斯正则化BP神经网络在推行能力和泛化能力上有着较好的表现。在当前基础上进行敏感性分析,就地铁施工安全影响因素进行重要程度排序,提高地铁施工安全管理,以防此类地铁安全事故的发生。(本文来源于《企业技术开发》期刊2019年08期）
袁颖,谭丁,于少将,李杨,韩冰[3]（2019）在《基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型》一文中研究指出页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩心采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法(Principal Component Analysis,PCA)提取四个主成分;其次基于贝叶斯正则化(Bayesian Regularization)改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比。结果表明:BRBP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段。(本文来源于《地质与勘探》期刊2019年04期）
南敬昌,王梓琦,高明明,王颖[4]（2018）在《超宽带滤波器的稀疏贝叶斯正则化逆向神经网络建模》一文中研究指出针对射频器件建模中使用直接逆向神经网络精度较低,BP逆向神经网络泛化能力较差的问题,提出一种性能函数为贝叶斯L1/2范数的逆向神经网络建模方法。贝叶斯方法调整网络权系数避免过拟合现象,使模型输出更加平滑;增加L1/2范数扩充输入向量,使网络结构稀疏化且泛化能力更强。应用于超宽带滤波器谐振器逆向建模中,根据陷波频率处插入损耗值,求解对应的长度和宽度。结果表明:该方法与BP逆向建模方法相比,求得的长度、宽度和频率相对误差分别减小81. 4%、99. 8%、48. 9%,网络运行时间减少16. 3%,不存在多解问题,建模效率更高。(本文来源于《计算机应用与软件》期刊2018年10期）
南敬昌,胡婷婷,盛爽爽,高明明[5]（2018）在《Doherty功放的贝叶斯正则化神经网络逆向建模研究》一文中研究指出针对直接逆向建模方法精度低、稳定性差等缺点,提出了一种采用规则化函数为L~(1/2)范数的贝叶斯正则化神经网络逆向建模方法,L~(1/2)正则化使得网络结构具有稀疏性,能够缩小网络的规模、加快网络的训练速度,用贝叶斯正则化方法可以使网络的输出更加平滑,提高网络的稳定性和泛化能力。将此方法应用到Doherty功率放大器的设计中,在已知Doherty主功放效率、输出匹配端的S11和S21的情况下,分别仿真得出相对应的输出功率和f,可以简化设计过程。实验结果表明,此逆向模型求得的输出功率、与S11相对的f、与S21相对的f比直接逆向建模方法的均方误差分别减少了8.83%、9.30%和9.00%,运行时间分别减少了99.34%、99.40%和99.23%,解决了设计中的多解问题,可用于设计射频微波器件。(本文来源于《计算机工程与科学》期刊2018年08期）
赵久强,王震洲[6]（2018）在《L-M贝叶斯正则化BP神经网络在红外CO_2传感器的应用》一文中研究指出针对温度会影响红外CO_2传感器的输出电压,造成对CO_2的浓度检测误差较大的问题,提出了一种基于L-M贝叶斯正则化BP神经网络的温度补偿方法。实验中将传感器输出电压比和温度作为神经网络的输入,CO_2浓度作为神经网络的输出,并通过L-M算法和贝叶斯正则化对神经网络进行优化。经过实验仿真证明,在温度补偿后红外CO_2传感器测量输出的浓度值最大相对误差为4.557 8%,具有较高的精确度。因此L-M贝叶斯正则化BP神经网络能对红外CO_2传感器进行有效的温度补偿,可为相关红外传感器仪器的改进提供参考。(本文来源于《河北工业科技》期刊2018年04期）
张振兴,杨任农,房育寰[7]（2018）在《基于贝叶斯正则化的Elman-NARX神经网络飞行轨迹预测》一文中研究指出针对BP和Elman神经网络对预测飞行轨迹误差较大和时间较长的问题,提出了一种基于贝叶斯正则化的Elman-NARX神经网络方法。分析了飞行员的操纵量,确定网络的输入。然后改进NARX神经网络结构,提高了网络的非线性和动态性,同时采用贝叶斯正则化算法训练网络,改善网络的收敛时间和泛化能力。最后,基于BP神经网络、Elman神经网络和Elman-NARX神经网络等方法的飞行轨迹预测对比实验结果表明,该方法的预测精度和速度较高,具有实际应用价值。(本文来源于《火力与指挥控制》期刊2018年03期）
万昊,谭宗颖,张福俊,朱相丽,刘小玲[8]（2017）在《项目验收的同行评议辅助决策评价方法研究——基于贝叶斯正则化修正的BP人工神经网络模型》一文中研究指出[目的/意义]个体的同行评议判断不可避免地会由于专家主观性导致评审结果嵌入式有偏,而个体成员聚集在一起开展有组织的群体决策时,由于客观组织评审标准的存在,能有效避免个体非理性因素导致的系统整体偏差。[方法/过程]为了找到更适合的定量化模型来模拟专家组群体的复杂评审决策,本研究借助BP人工神经网络模型,样本选取2001-2005年间批准实施的林业"948计划"项目126项,从"投入—产出"视角选取表征项目特征的36个指标,基于以上指标通过有监督的机器学习来模拟项目评审专家组(5~9名成员)的决策打分值,并添加贝叶斯正则化修正项来提高模型的预测精度。[结果/结论]所建构的同行评议打分预测模型在添加贝叶斯正则化修正项后,平均误差平方和由10-3上升到10-4数量级,而模型的预测值与真实值间相关系数ρ由0.37(0.33)上升到0.61(0.47),模型实现了在个体水平上对项目评审打分的较准确预测,即通过精准计量评价来有效辅助同行评议决策。(本文来源于《情报杂志》期刊2017年11期）
王瑜铬,汪永旗[9]（2017）在《美国来华旅游需求的影响因素——基于贝叶斯正则化BP神经网络下的实证》一文中研究指出为研究影响入境旅游需求各因素的显着性,基于1990年以来的数据资料,利用贝叶斯正则化BP神经网络建模对美国来华旅游需求的相关影响因素进行训练,并对各个影响因素的权值进行分析.结果发现:1)中美两国的双边贸易额是影响入境旅游需求的主要因素;2)汇率变动对入境旅游需求的影响也较为显着;3)本国的经济发展状况对入境旅游需求也有一定的影响;4)美国的失业率对入境旅游需求的影响显着性较低.(本文来源于《浙江师范大学学报(自然科学版)》期刊2017年04期）
王超,侯远龙,侯润明,吕明明[10]（2016）在《贝叶斯正则化的LMBP神经网络在电气检测系统中的应用》一文中研究指出针对现役某型火箭布雷车上装电气系统存在较多的故障,提出了基于贝叶斯正则化的LMBP(levenberg marquardt back propagation)神经网络故障诊断算法。用基于贝叶斯正则化的LM算法来优化BP神经网络,分别结合小数据和大数据对该神经网络进行分析验证。实验结果表明,该方法收敛速度快,且预测精度高,可以用于电气系统的故障诊断和识别。(本文来源于《机械制造与自动化》期刊2016年04期）
贝叶斯正则化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：
为了获取准确的地铁施工安全评价,文章通过建立贝叶斯正则化BP神经网络模型,克服传统安全分析方法的不足之处,防止网络的过度拟合。将此模型运用于MATLAB,可以发现贝叶斯正则化BP神经网络在推行能力和泛化能力上有着较好的表现。在当前基础上进行敏感性分析,就地铁施工安全影响因素进行重要程度排序,提高地铁施工安全管理,以防此类地铁安全事故的发生。
（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。
贝叶斯正则化神经网络论文参考文献
[1].孙发友,蒙祖强.一种设备状态监测的贝叶斯正则化BP神经网络[J].网络安全技术与应用.2019
[2].徐佳.贝叶斯正则化BP神经网络在地铁施工安全评价中的应用[J].企业技术开发.2019
[3].袁颖,谭丁,于少将,李杨,韩冰.基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型[J].地质与勘探.2019
[4].南敬昌,王梓琦,高明明,王颖.超宽带滤波器的稀疏贝叶斯正则化逆向神经网络建模[J].计算机应用与软件.2018
[5].南敬昌,胡婷婷,盛爽爽,高明明.Doherty功放的贝叶斯正则化神经网络逆向建模研究[J].计算机工程与科学.2018
[6].赵久强,王震洲.L-M贝叶斯正则化BP神经网络在红外CO_2传感器的应用[J].河北工业科技.2018
[7].张振兴,杨任农,房育寰.基于贝叶斯正则化的Elman-NARX神经网络飞行轨迹预测[J].火力与指挥控制.2018
[8].万昊,谭宗颖,张福俊,朱相丽,刘小玲.项目验收的同行评议辅助决策评价方法研究——基于贝叶斯正则化修正的BP人工神经网络模型[J].情报杂志.2017
[9].王瑜铬,汪永旗.美国来华旅游需求的影响因素——基于贝叶斯正则化BP神经网络下的实证[J].浙江师范大学学报(自然科学版).2017
[10].王超,侯远龙,侯润明,吕明明.贝叶斯正则化的LMBP神经网络在电气检测系统中的应用[J].机械制造与自动化.2016