导读:本文包含了差分方程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
差分方程网络论文文献综述
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）
田文翀,李国平,张广前,廖振良,李怀正[2]（2015）在《基于差分方程与人工神经网络结合的长江口某水源水库藻类浓度预测》一文中研究指出预测湖库水体中藻类生长趋势并采取相应的预防措施是目前应对湖库水源地藻类爆发问题的重要手段。国内外学者已经提出了许多预测方法,但由于藻类的生长机理复杂,水体环境差异较大,不同的方法仍存在不同的困难。本文从藻类生长机理和统计学原理角度出发,提出差分方程与人工神经网络相结合的方法。应用该方法对上海市长江口某水源水库藻类浓度进行预测,预测结果与实测结果趋势一致,相对误差控制在20%以内,满足藻类浓度预测的要求。(本文来源于《第二十七届全国水动力学研讨会文集（下册）》期刊2015-11-06）
郭进利[3]（2009）在《复杂网络统计力学的差分方程方法》一文中研究指出通过分析几种估计增长网络度分布方法的缺点,提出估计度分布的差分方程方法,不仅避免了复杂网络分析中将离散问题连续化带来的逻辑矛盾,也避免了网络稳态度分布存在性的假设.利用这个方法给出Poisson增长择优连接网络的度分布公式,借助Poisson过程理论和Gamma分布的性质严格证明Poisson增长择优连接网络是无标度网络.(本文来源于《应用数学和力学》期刊2009年08期）
肖锋,李欣然,王立德,李培强,陈辉华[4]（2009）在《基于神经网络的并行差分方程综合负荷模型》一文中研究指出为准确地建立电子系统负荷模型,结合Elman反馈型神经网络并行结构的特点,构造了一个并行差分方程动态负荷模型。该模型克服了传统差分方程负荷模型输出无耦合的缺点,更加符合电力系统综合负荷的实际情况。把此模型应用于实际变电站的综合负荷建模,分别用两组数据进行了模型辨识及验证,结果表明所采用的模型是有效的。(本文来源于《电力系统及其自动化学报》期刊2009年01期）
张渝[5]（2006）在《差分方程及离散神经网络的动力学性质分析》一文中研究指出动力系统的现代理论起源于19世纪末关于太阳系的稳定性及演变这一基本问题，主要用于研究演化系统的长期行为。近年来，动力系统引起了学者们越来越大的研究兴趣，相关文献也层出不穷。所取得的成果被广泛应用于物理学，生物学，气象学，天文学及经济学等不同领域。在这些应用中，动力系统主要被划分为时间离散的及时间连续的两大类。 本文主要针对离散时间动力系统的动力学性质研究，包括差分方程及离散人工神经网络两个方面的研究。在本文的第一章中，首先引入了动力系统的研究现状，如相关的研究成果及相关国际期刊、会议等。随后简单介绍了动力系统的相关概念及研究动力系统动力学性质的基本理论。第叁章及第四章则正式进入离散动力系统动力学性质的具体研究，其中系统讨论了参数及初始条件对离散动力系统解的行为的影响。 第叁章主要研究了差分方程的动力学性质。在这部分中，本文首先研究了一类非线性差分方程系统的动力学性质，其中证明了当其系统参数变化时，其正解的行为也发生了巨大的变化，由无界的变为收敛于某一唯一平衡点。随后讨论了一类带最大值的差分方程，重点分析了低阶情况下其解的最终周期行为，特别是当允许参数及初始条件都可以为负实数时的情况。 本文的第四章则主要是关于离散神经网络的稳定性质研究。文中首先给出了某一连续区间神经网络的相关研究结论，然后对这类连续神经网络进行离散化得到与之对应的离散区间神经网络。根据连续网络中的结论，本文提出了与其对应离散网络的平衡点全局指数鲁棒稳定的一个充分条件，并给予了证明。 除理论证明以外，本文对上述讨论的离散动力系统进行了大量的仿真实验。所得到的实验结果不仅以图表的方式直观地显示了解的动力学行为，而且也验证了论文中所证明的结论。(本文来源于《重庆大学》期刊2006-04-20）
朱惠延[6]（2006）在《几类时滞差分、微分方程神经网络模型的动力学分析》一文中研究指出作为一个有广泛应用背景的神经网络，其动力学行为是应用和设计的基础。考虑到神经网络中神经元之间信息传递过程对时间的实际需要，用以定义和描述神经网络的微分、差分方程模型理应是时滞微分、差分方程系统。由于大规模时滞差分、微分方程神经网络的定性分析目前仍缺少有效的工具和方法，而小规模时滞神经网络模型的动力学研究可为大规模网络的研究提供借鉴的方法和工具，所以研究小规模时滞微分、差分方程神经网络模型的长期动力学行为是一项十分有意义的工作。本学位论文探讨了几类小规模时滞差分、微分方程神经网络模型的动力学行为，包括模型解的收敛性和周期性，平衡点的稳定性。全文共分四章。 第一章简单地回顾了神经网络的发展历史和该领域的研究现状，同时对本文将要讨论的神经网络模型的背景和要研究的主要内容进行了说明。 在第二章中，利用不等式技巧，映射迭代规律及不动点定理讨论了一类具分段常数非线性时滞差分方程神经元模型解的收敛性和周期性，在一定的初始函数空间内，对信号函数阈值的一些不同取值范围，证明了模型解的收敛性；得到了模型渐近稳定周期解的存在条件。 在第叁章中，在一类二元离散时滞差分方程神经网络模型中引入了两种不同情形且具有明显实际意义的非线性不连续信号输入函数。在一定的初始函数空间内，对信号函数阈值取大阈值和临界阈值时，分别得到了改进后的模型解的收敛性结果；对小阈值情形，利用映射迭代规律及不动点定理，证明了模型渐近稳定同步周期解的存在性定理。 在第四章中，研究了一类叁元混合时滞(既含离散时滞义含分布时滞)的微分方程神经网络模型平衡解的稳定性问题。通过非线性模型所对应的线性化模型的稳定性分析来决定非线性模型的稳定性；利用网络模型关于平衡点的线性化(局部)分析来决定产生分支的可能性。具体而言，通过讨论时滞微分方程的特征方程根的分布，对即时反馈和相互作用情形、时滞反馈无相互作用情形及时滞反馈和相互作用情形等网络模型的稳定性进行了分析，得到了模犁平衡解线性稳定和不稳定的充分条件，表明了当时滞达到一定临界值时会产生Hopf分支，证明了有一个正整数K使得存在从稳定到不稳定又到稳定的K开关。给出了一些数值模拟例子说明所获理论结果的正确性。(本文来源于《湖南大学》期刊2006-03-31）
戴斌祥[7]（2001）在《时滞微分差分方程的渐进性问题及神经网络模型的定性研究》一文中研究指出本篇博士论文由五章组成。 第一章概述了问题产生的历史背景和本文的主要工作。 第二章讨论了具时滞差分方程的渐近性，通过比较方法，建立了方程的所有解（或有界解）渐近于某个常数的充分条件。 第叁章讨论了一类非自治中立型时滞微分方程的渐近性，通过考虑其相应的常微分方程的解的性质，得到了方程的所有解收敛的充分条件，同时建立了相应的离散化结果，这些结果较大地改进和推广了一些已知的结果。 第四章研究了具McCulloch-Pitts非线性型信号函数的离散时间神经网络模型的长时间动力性质，通过分析方法，详述了阈值在阻止时滞导致模型产生振动的过程中起到的重要作用。 第五章考虑了具时滞阈值的神经网络模型的全局渐近稳定性问题，通过Lyapunov函数法及线性化系统，获得了系统的零解全局渐近稳定的充分必要条件。同时考虑了相应的离散动力系统的全局吸引性。(本文来源于《湖南大学》期刊2001-03-01）
唐忠,甘正宁[8]（1998）在《电网络状态方程的支路差分处理》一文中研究指出本文以构成电网络的基本支路为研究对象，通过对支路进行分类处理，建立了一种电网络的支路差分状态方程，使其状态方程的编写既系统化和规范化又具有通用性和普通性．１电网络的支路状态方程组考虑具有普遍性的一个含源电网络，规范为每一条支路只包含一个元件，元件可以...(本文来源于《长沙电力学院学报(自然科学版)》期刊1998年03期）
水鹏朗,保铮,焦李成[9]（1997）在《一种基于子波神经网络的多尺度差分方程求解新方法》一文中研究指出多尺度方程的求解是子波与多分辨分析的基础,本文提出了用M-带子波神经网络求解多尺度差分方程(Multiscale Difference Equation, MSDE)的新方法.该方法与以前方法相比,具有很多优点并且求解方程的范围更为广泛.(本文来源于《电子科学学刊》期刊1997年06期）
王晨[10]（1985）在《用差分方程求解一阶线性网络对周期性激励的响应》一文中研究指出本文提出了一种新的方法,用来求解一阶线性网络在周期性激励作用下的响应,特别是用这个方法能够求出含周期性动作开关的有源网络的响应。文中应用差分方程分析这类问题,使求解过程变得十分简便。(本文来源于《上海机械学院学报》期刊1985年03期）
差分方程网络论文开题报告
（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：
预测湖库水体中藻类生长趋势并采取相应的预防措施是目前应对湖库水源地藻类爆发问题的重要手段。国内外学者已经提出了许多预测方法,但由于藻类的生长机理复杂,水体环境差异较大,不同的方法仍存在不同的困难。本文从藻类生长机理和统计学原理角度出发,提出差分方程与人工神经网络相结合的方法。应用该方法对上海市长江口某水源水库藻类浓度进行预测,预测结果与实测结果趋势一致,相对误差控制在20%以内,满足藻类浓度预测的要求。
（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。
差分方程网络论文参考文献
[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].田文翀,李国平,张广前,廖振良,李怀正.基于差分方程与人工神经网络结合的长江口某水源水库藻类浓度预测[C].第二十七届全国水动力学研讨会文集（下册）.2015
[3].郭进利.复杂网络统计力学的差分方程方法[J].应用数学和力学.2009
[4].肖锋,李欣然,王立德,李培强,陈辉华.基于神经网络的并行差分方程综合负荷模型[J].电力系统及其自动化学报.2009
[5].张渝.差分方程及离散神经网络的动力学性质分析[D].重庆大学.2006
[6].朱惠延.几类时滞差分、微分方程神经网络模型的动力学分析[D].湖南大学.2006
[7].戴斌祥.时滞微分差分方程的渐进性问题及神经网络模型的定性研究[D].湖南大学.2001
[8].唐忠,甘正宁.电网络状态方程的支路差分处理[J].长沙电力学院学报(自然科学版).1998
[9].水鹏朗,保铮,焦李成.一种基于子波神经网络的多尺度差分方程求解新方法[J].电子科学学刊.1997
[10].王晨.用差分方程求解一阶线性网络对周期性激励的响应[J].上海机械学院学报.1985
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;