导读:本文包含了构造性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:计量,Sigmoid型函数,神经网络算子,逼近
构造性神经网络论文文献综述
常利苹,曹飞龙[1]（2019）在《一类神经网络算子的构造与逼近》一文中研究指出目的:众所周知,人工神经网络具有很好的函数逼近能力。近年来,已有许多作者论证了该逼近的可行性。本文研究一类以双曲正切函数为激活函数的神经网络算子的构造与逼近问题。方法:首先,利用双曲正切函数的解析性质,对其进行适当的平移和组合构造一类钟型函数。然后,以所构造的函数作为激活函数定义一类神经网络算子。结果:估计该类算子逼近连续函数的误差,并建立Jackson型定理。结论:用构建的前向神经网络算子作为逼近工具,估计其对目标函数的逼近误差,并以此揭示网络拓扑结构与网络逼近能力之间的关系。(本文来源于《中国计量大学学报》期刊2019年03期）
葛粲,汪方跃,顾海欧,管怀峰,李修钰[2]（2019）在《基于卷积神经网络和火山岩大数据的构造源区判别》一文中研究指出早先的构造源区判别图由于受时代、研究区域、研究思路以及研究手段、分析技术和样本数量的限制,存在某些不足,导致部分学者在研究中遇到各种困惑和矛盾。在大数据的冲击下,部分传统图解的可靠性正在接受考验。本文提出了一种将地球化学数据二维图像化的方法,将GEOROC数据库中来自11个构造环境的火山岩数据生成了34 468张灰度二维码图像。根据深度学习理论和方法构造了卷积神经网络(CNN)模型,利用其中75%的二维码数据进行自动学习和训练。该模型可以对不同来源的火山岩数据进行有效分类,总体分类准确度可达95%以上。该模型具备较好的泛化能力,可以作为日常工具辅助人工进行火山岩样本的构造源区的判别。(本文来源于《地学前缘》期刊2019年04期）
任秋兵,李明超,韩帅[3]（2019）在《基于改进遗传算法-神经网络的玄武岩构造环境判别及对比实验》一文中研究指出通过岩浆岩的地球化学特征判别岩浆形成的大地构造环境和岩浆源区的化学性质是地球化学全岩分析最重要的应用之一。该方法利用全岩地球化学数据,包括主量元素、微量元素和同位素组成数据,对给定岩浆岩(玄武岩、花岗岩等)的大地构造环境进行判别。作为人工智能技术在地球化学研究领域中的新尝试,机器学习判别方法逐渐成为经典判别图解法的补充研究手段。然而,高维数据特征筛选和繁多未知参数确定是影响算法分类准确性的两个主要因素。为此,提出一种遗传算法优化神经网络耦合判别方法(GA-NNDM)。该方法利用特征选择、参数确定和分类性能之间的反馈联系,将分类准确率、所选特征数量和特征代价作为适应度函数,通过迭代演化寻求最佳特征子集和未知参数,从而达到减少特征、优化参数和提高性能的目的。此外,根据公开玄武岩样品地球化学数据,通过K折交叉验证等方法设置纵向、横向比较实验来验证GANNDM在玄武岩构造环境判别方面的准确性、稳定性和外延性。仿真实验结果表明,GA-NNDM具有优良的判别效果和泛化能力,其总体分类准确率能达到90%。因此,GA-NNDM值得在地球化学领域做进一步推广应用。(本文来源于《地学前缘》期刊2019年04期）
于雪梅,周舸,刘波,刘丽荣[4]（2018）在《应用人工神经网络模型构造TC21合金加工图》一文中研究指出采用Gleeble-3500热压缩模拟试验机对TC21合金进行了不同温度、不同应变速率、不同变形量下的单道次热压缩模拟实验。以实验数据为基础,建立了以热变形温度、应变速率、变形量为输入变量,流变应力为输出变量的3层BP人工神经网络模型,较为准确的预测了该合金不同热成形工艺区间内流变应力与热变形工艺参数之间的定量关系,平均预测误差为0. 264%。应用动态DMM热加工图理论,绘制了该合金基于Prasad失稳判据下热加工图。结合TC21合金热变形过程中的微观组织演变,对其热成形性能及变形机理进行了分析,结果表明:在温度为820～890℃,应变速率为5×10-4～4×10-3s-1范围内该合金功率耗散率为62%,此时该合金在变形过程中发生了动态再结晶及α→β相转变现象,具有良好的热加工成形性能。(本文来源于《塑性工程学报》期刊2018年06期）
和红顺,韩德强,杨艺[5]（2018）在《利用证据神经网络的多分类器系统构造》一文中研究指出为了充分利用数据信息进而提高分类正确率,提出一种证据神经网络的分类器,并据此构造了多分类器系统。首先将训练数据中的含混数据视为新类别——混合类,将原始的训练数据重组成含有混合类的训练数据,然后使用证据神经网络分类器系统用重组后含混合类的训练数据进行训练,对分类输出进行证据建模,并使用多种不同的证据组合规则实现多分类器融合。采用人工数据集和UCI数据集进行对比实验,结果表明:与其他采用神经网络的多分类器系统相比,采用证据神经网络的多分类器系统能有效提高分类正确率;在数据集Magic 04和Waveform2上,采用提出的多分类器系统比采用投票法的神经网络多分类器系统的分类正确率分别提高了6%和10%左右。(本文来源于《西安交通大学学报》期刊2018年11期）
高建思[6]（2018）在《Mamdani模糊系统的构造与折线模糊神经网络的混合算法》一文中研究指出模糊系统的生成是由模糊规则库、推理机、模糊化和解模糊化四个部分依次组成,它的主要功能是可同时处理不完整的数据信息和语言信息.其本质是从输入论域到输出论域的一个映射关系.其中模糊规则库是由若干模糊IF-THEN规则构成.折线模糊神经网络是通过确定折线模糊数的有限个点来完成模糊信息处理.其解析式是一个基于折线模糊数的算术运算体系.它们虽然不依赖精确的数学模型,但具有较强的非线性函数逼近性能力.混沌映射是自然界中普遍存在的非线性过程.并已被广泛应用于图像加密、通信技术和函数优化等领域,其主要特点是对初始值颇为敏感.因此.利用混沌映射原理来设计折线模糊神经网络的优化算法具有重要的理论和实际意义.第一部分:引言,主要介绍本文选题背景和研究现状.第二部分:预备知识,分别介绍折线模糊数及其运算、高斯(叁角)模糊化、Mamdani模糊系统和混沌随机序列等相关知识.第叁部分:在模糊规则前件为叁角形模糊数条件下通过函数极值法求解后件模糊集的隶属函数,进而给出基于叁角形模糊化和高斯模糊化的两种Mamdani模糊系统的解析表示.此外.根据混沌映射产生的随机序列设计了单输入单输出Mamdani模糊系统的混沌遗传算法,并通过Machey-Glass混沌时间序列的预测曲线说明该算法的有效性.第四部分:首先利用混沌随机生成器构造均匀分布的随机序列.其次.将随机序列作为混沌遗传算法的初始种群,把基于混沌搜索法所得最优个体作为粒子群算法的初始种群,进而提出折线模糊神经网络的CGA-PSO混合优化算法.最后.通过仿真实例说明CGA-PSO混合算法避免了传统遗传算法对初始值的依赖.且该算法具有收敛速度快和稳定性好等优点.(本文来源于《天津师范大学》期刊2018-03-01）
刘立志,王银河,陈浩广[7]（2018）在《基于单位分解的神经网络构造》一文中研究指出针对叁层BP(Back Propagation,反向转播)神经网络,提出了隐层神经元的底层"状态域"的概念,通过利用"状态域"和单位分解方法构造了一种新的人工神经网络结构。当网络有输入时,根据输入处于状态域中的位置来激活对应的神经元,整个网络的输出只与所激活的那部分神经元有关,故在进行训练时就不必更新所有的连接权值,因此能大大降低更新权值的维度和学习复杂度,提高学习质量。(本文来源于《工业控制计算机》期刊2018年02期）
陈俊,张东辉[8]（2016）在《基于神经网络的分子体系势能面构造》一文中研究指出精确的势能面是化学反应动力学理论研究的基础。分子体系势能面的构造一般从大量分子构型下的从头算出发,使用插值或拟合的手段生成解析形式的函数。而在高维空间中,如何选择合适的构型用于从头算以及后续的拟合,一直是一个难题。我们基于神经网络方法,结合准经典动力学计算以及现有的一些研究成果,建立了一套流程化的分子构型选择方案,能有效地选择出重要的构型,解决了在高维空间中构型选择的难题。利用Levenberg-Marquardt算法,并采用一系列技巧,可以使用神经网络函数将势能面拟合到相当高的精度,最终得到可靠的分子反应势能面~([1])。利用这种方法,成功构造了F/Cl+H_2等叁原子体系~([2,3]),OH+H_2/CO等四原子体系~([4,5]),以及H+CH_4等六原子体系~([6])的全维反应势能面。结合量子反应动力学计算,这些势能面相对于从头算数目以及神经网络拟合误差都已经收敛,并且比现有的势能面精确,为精确研究这些反应的动力学行为奠定了基础。(本文来源于《中国化学会第30届学术年会摘要集-第十九分会：化学中的量子与经典动力学》期刊2016-07-01）
陈俊,张东辉[9]（2015）在《基于神经网络的分子体系势能面构造》一文中研究指出本文介绍了近年来使用神经网络构造分子体系势能面的进展,在以前的研究基础上完善了一套完整的分子构型选择方案,在严格的势能面评价标准下,完全解决了势能面构造过程中分子构型选择的难题.基于此方法,采用一系列拟合技巧,结合大量反应动力学计算,成功构造了一系列重要体系的高精度从头算势能面,并能得到可靠的化学动力学结果.(本文来源于《中国科学:化学》期刊2015年12期）
于文新,何怡刚,吴先明,高坤[10]（2015）在《基于果蝇-构造小波神经网络模拟电路诊断方法》一文中研究指出利用果蝇算法优化构造小波神经网络,建立FOA-构造小波神经网络模型,并将模型应用于模拟电路故障分析当中,通过仿真试验可发现该方法在故障诊断中有较高的准确性。(本文来源于《计算机工程与应用》期刊2015年22期）
构造性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：
早先的构造源区判别图由于受时代、研究区域、研究思路以及研究手段、分析技术和样本数量的限制,存在某些不足,导致部分学者在研究中遇到各种困惑和矛盾。在大数据的冲击下,部分传统图解的可靠性正在接受考验。本文提出了一种将地球化学数据二维图像化的方法,将GEOROC数据库中来自11个构造环境的火山岩数据生成了34 468张灰度二维码图像。根据深度学习理论和方法构造了卷积神经网络(CNN)模型,利用其中75%的二维码数据进行自动学习和训练。该模型可以对不同来源的火山岩数据进行有效分类,总体分类准确度可达95%以上。该模型具备较好的泛化能力,可以作为日常工具辅助人工进行火山岩样本的构造源区的判别。
（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。
构造性神经网络论文参考文献
[1].常利苹,曹飞龙.一类神经网络算子的构造与逼近[J].中国计量大学学报.2019
[2].葛粲,汪方跃,顾海欧,管怀峰,李修钰.基于卷积神经网络和火山岩大数据的构造源区判别[J].地学前缘.2019
[3].任秋兵,李明超,韩帅.基于改进遗传算法-神经网络的玄武岩构造环境判别及对比实验[J].地学前缘.2019
[4].于雪梅,周舸,刘波,刘丽荣.应用人工神经网络模型构造TC21合金加工图[J].塑性工程学报.2018
[5].和红顺,韩德强,杨艺.利用证据神经网络的多分类器系统构造[J].西安交通大学学报.2018
[6].高建思.Mamdani模糊系统的构造与折线模糊神经网络的混合算法[D].天津师范大学.2018
[7].刘立志,王银河,陈浩广.基于单位分解的神经网络构造[J].工业控制计算机.2018
[8].陈俊,张东辉.基于神经网络的分子体系势能面构造[C].中国化学会第30届学术年会摘要集-第十九分会：化学中的量子与经典动力学.2016
[9].陈俊,张东辉.基于神经网络的分子体系势能面构造[J].中国科学:化学.2015
[10].于文新,何怡刚,吴先明,高坤.基于果蝇-构造小波神经网络模拟电路诊断方法[J].计算机工程与应用.2015
标签：计量; Sigmoid型函数; 神经网络算子; 逼近;