导读:本文包含了隐层改进论文开题报告文献综述及选题提纲参考文献，主要关键词:相关剪枝算法,神经网络,冗余信息,多元回归
隐层改进论文文献综述
王阳[1]（2011）在《消除隐层冗余信息的改进神经网络及应用》一文中研究指出在神经网络建模过程中,隐层神经元的数目直接影响着整个网络的性能和效率,主要表现在：当隐层神经元过少时,网络将不足以概括和体现训练集中的样本规律；当隐层神经元过多时,网络将产生冗余信息,出现“过拟合”现象。本文针对神经网络隐层输出产生的冗余信息,采用CPA-MLR(correlation pruning algorithm combined with multiple linear regression)进行消除,以达到精简网络结构,改善预测性能的目的,并应用于初顶石脑油干点软测量建模,结果表明该方法能有效消除隐层输出间的冗余信息,精简后的网络具有较高的预测精度。具体研究内容如下：(1)针对BP网络网络结构的优化问题,提出相关剪枝法与多元线性回归相结合的剪枝策略。首先根据相关性确定冗余节点并进行修剪,然后通过多元线性回归调整输出层权值与阈值。通过初顶石脑油软测量模型的实际应用表明,该方法能有效地消除网络中的冗余信息,建立的模型具有良好的预测性能。(2)针对RBF网络隐层冗余信息的消除问题,分别采用CPA-LSR、PCR和(?)PLSR叁种方法对RBF网络进行优化,同时应用与初顶石脑油软测量,结果显示叁种方法均能有效的消除网络中的冗余信息,提高预测性能,并且叁种方法的优化能力相当；最后根据软测量模型的相关结果,从不同成分的回归系数分析了叁种方法优化性能相当的原因。(本文来源于《华东理工大学》期刊2011-12-10）
王巍娟[2]（2009）在《基于隐层改进的BP网络在织物染色配色中的应用研究》一文中研究指出进年来织物配色理论发展迅速,而随着计算机技术的普及及深入,配色与计算机技术相结合是适应现代化生产的必然趋势。本文针对传统的BP网络在织物染色配色中的缺点,提出了一种参考隐层输出的改进算法,建立了一个计算精度更高、收敛速度更快的计算机配色网络模型。本文从色度学的角度分析了织物染色配色原理及色差产生的原因。目前计算机配色技术的理论基础是Kubelka-Munk理论,由此发展起来的配色方法有两种:叁刺激值配色和全光谱配色,这两种配色方法都取得了很好的效果,但是因为叁刺激值配色法只能求解叁种染料的配色、全光谱配色法不能很好地解决K/S值与浓度之间的非现行关系,所以这两种典型的配色方法不能广泛应用与织物的染色配色。人工神经网络以其自学习自适应的特点,以及并行分布式存储、可以任意逼近复杂的非线性关系的优势,深受各个生产领域的欢迎。而在多种人工神经网络模型中,最值得研究应用的就是BP神经网络,即误差反向传播网络,通过数据的正向传输和误差的反向传播来完成训练学习,从而调整权值阈值以达到我们预期的目的。尽管BP网络有强大的非线性处理优势,但是仍有局限性:容易陷入局部最小点、收敛误差较大及泛化能力不强等,因此,本文提出了一种基于隐层改进的BP算法,即,将隐层的输出和输入层的输出同时作为隐层的输入,进而更精确地训练网络降低误差,并用MATLAB仿真实现,分别针对深色、中色和浅色不同色系的样本数据进行训练,并用训练后的神经网络模型对织物配色配方进行预测,通过仿真浓度输出值的对比,从训练的速度和精度进行分析,结果表明,基于隐层改进的BP网络性能较传统的BP网络有明显的提高,从而为计算机配色及其理论在织物染色配色中的应用提供了一个新的参考。(本文来源于《青岛大学》期刊2009-05-10）
王巍娟,张秉森,聂晴晴,司学锋,李含春[3]（2008）在《隐层改进的BP网络在织物染色配色中的应用》一文中研究指出为提高BP网络及其改进网络的收敛和泛化能力,依据计算机配色理论,深入研究了BP神经网络的优缺点,在此基础上提出了一种基于隐层输出反馈改进的BP网络训练算法应用于织物染色配色的算法,并按照此算法进行了织物染色的计算机配色实验。实验验证了人工神经网络算法在织物染色配色中应用的可能性和可靠性,为神经网络模型在织物染色配色中选择和构造合适的高性能网络结构提供了参考。(本文来源于《青岛大学学报(工程技术版)》期刊2008年04期）
隐层改进论文开题报告
（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：
进年来织物配色理论发展迅速,而随着计算机技术的普及及深入,配色与计算机技术相结合是适应现代化生产的必然趋势。本文针对传统的BP网络在织物染色配色中的缺点,提出了一种参考隐层输出的改进算法,建立了一个计算精度更高、收敛速度更快的计算机配色网络模型。本文从色度学的角度分析了织物染色配色原理及色差产生的原因。目前计算机配色技术的理论基础是Kubelka-Munk理论,由此发展起来的配色方法有两种:叁刺激值配色和全光谱配色,这两种配色方法都取得了很好的效果,但是因为叁刺激值配色法只能求解叁种染料的配色、全光谱配色法不能很好地解决K/S值与浓度之间的非现行关系,所以这两种典型的配色方法不能广泛应用与织物的染色配色。人工神经网络以其自学习自适应的特点,以及并行分布式存储、可以任意逼近复杂的非线性关系的优势,深受各个生产领域的欢迎。而在多种人工神经网络模型中,最值得研究应用的就是BP神经网络,即误差反向传播网络,通过数据的正向传输和误差的反向传播来完成训练学习,从而调整权值阈值以达到我们预期的目的。尽管BP网络有强大的非线性处理优势,但是仍有局限性:容易陷入局部最小点、收敛误差较大及泛化能力不强等,因此,本文提出了一种基于隐层改进的BP算法,即,将隐层的输出和输入层的输出同时作为隐层的输入,进而更精确地训练网络降低误差,并用MATLAB仿真实现,分别针对深色、中色和浅色不同色系的样本数据进行训练,并用训练后的神经网络模型对织物配色配方进行预测,通过仿真浓度输出值的对比,从训练的速度和精度进行分析,结果表明,基于隐层改进的BP网络性能较传统的BP网络有明显的提高,从而为计算机配色及其理论在织物染色配色中的应用提供了一个新的参考。
（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。
隐层改进论文参考文献
[1].王阳.消除隐层冗余信息的改进神经网络及应用[D].华东理工大学.2011
[2].王巍娟.基于隐层改进的BP网络在织物染色配色中的应用研究[D].青岛大学.2009
[3].王巍娟,张秉森,聂晴晴,司学锋,李含春.隐层改进的BP网络在织物染色配色中的应用[J].青岛大学学报(工程技术版).2008