导读:本文包含了广义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:广义预测控制,比例积分控制器,BP人工神经网络,预测模型
广义神经网络论文文献综述
陈晶,周斌[1]（2019）在《基于BP人工神经网络的改进广义预测控制的电网负荷预测》一文中研究指出提出了一种基于BP人工神经网络的改进广义预测控制的电网负荷预测新方法.在对通过对改进广义预测控制分析的基础上,综合考虑了电网负荷预测的意义与组合模型技术的优越性,将比例积分型广义预测控制与BP人工神经网络相结合构成组合模型.组合后的预测模型有效地结合了两种算法的优点,弥补了广义预测在非线性系统控制里的不足,并进行仿真实验,证明该方法具有明显的优越性和现实可行性.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年11期）
徐珊,李斌,岳超[2]（2019）在《基于广义回归神经网络GRNN的黄前水库径流预测分析》一文中研究指出利用1964年至2011年黄前水库以上年降雨量、蒸发量和径流量作为网络的训练样本,2012年的数据作为网络的外推测试样本,监测数值训练中采用交叉验证方法训练GRNN神经网络,对黄前水库径流量进行预测分析,采用网络循环训练方法,达到最佳预测效果。(本文来源于《科技风》期刊2019年32期）
余世明,张航,何德峰,赵云波[3]（2019）在《基于神经网络模型的计量泵远程流量广义预测控制》一文中研究指出为了在流程工业中实现流体物料的远程投加,提出了一种隔膜计量泵流量远程控制方案。方案采用上层优化节点、双信道通信网络和本地控制器的分级控制策略,利用神经网络辨识计量泵流量和电机转速的动态模型,设计了基于自适应广义预测控制(GPC)的流量调节算法。通过对比仿真和实际平台验证了所提出方案的可行性和有效性。(本文来源于《高技术通讯》期刊2019年11期）
彭周宁,林培杰,赖云锋,程树英,陈志聪[4]（2019）在《基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测》一文中研究指出随着大规模的光伏发电接入电网,其输出的随机性和波动性给电网调度管理带来巨大的挑战。基于此,本文提出了一种同时考虑统计(历史光伏输出功率)和物理(历史和未来的气象信息)变量的混合灰色关联分析-广义回归神经网络预测模型。首先,计算多元气象因子与光伏发电功率的皮尔逊相关系数,将相关系数较高的气象因子确定为建立预测模型的气象输入因子;然后,采用灰色关联分析算法计算历史日与待预测日的关联度确定最佳相似日,选取最佳相似日的光伏输出功率和气象输入因子以及待预测日的相关气象参数作为广义回归神经网络模型的输入参数,得到待预测日各个时刻输出功率的预测值;最后,利用澳大利亚DKA太阳能中心网站所提供的光伏电站历史气象数据和功率数据对所设计的模型进行训练和测试,验证模型在不同季节下的预测效果。结果表明,与所选择的对比模型相比,本文所建模型具有较好的预测性能。(本文来源于《电气技术》期刊2019年10期）
杨元祺,魏猛[5]（2019）在《广义回归神经网络在车险定价模型中的应用》一文中研究指出近年来广义线性模型在车险费率的厘定中得到了广泛的应用,然而广义线性模型本身存在一个明显的缺点,在建立广义线性模型的过程中所使用的数据需要满足较强的分布假设,这就大大限制了广义线性模型在现实中的应用。所以为了提高预测精度我们有必要打破这些分布假设。近年来,随着大数据的不断发展和计算机技术的成熟,新生的机器学习算法为打破这种限制提供了一种可能的有效解决途径。在这种背景下,本文将采用保险公司实际运作中使用的数据,用广义线性模型和神经网络模型分别建模,并将两组模型建模结果相对比,以此来验证上述观点是否正确。我们将采用神经网络模型中的广义回归神经网络分别对索赔概率和累计索赔额进行建模,并使用一种较为实际、有效的调参方法以降低了神经网络模型在实际应用中的难度。本文还采用深度学习的研究方法来考察神经网络模型对新鲜样本的适应能力以及对模型的泛化能力。在经过严谨的验证后我们得出结论:广义回归神经网络在实际应用中能够表现出更好的预测能力。(本文来源于《2019中国保险与风险管理国际年会论文集》期刊2019-07-17）
尹庆珍,张天策,郄丽娟,韩建会[6]（2019）在《基于广义回归神经网络异质复合墙体日光温室温度场的预测》一文中研究指出为深入分析新型异质复合墙体日光温室的保温特性与应用前景,利用广义回归神经网络算法训练样本数据,通过叁次样条插值法对训练结果拟合,建立冬季温室温度场预测模型。提出确定最优光滑因子的分组数目的留一优化法。选取河北省农科院经作所设计建造的新型异质复合墙体日光温室的2017年数据进行试验验证。结果表明:该模型预测效果良好,分组数目约为样本数目的1/16时训练效果最佳,预测温度与实际温度平均误差0.276 5℃,相关系数大于0.99,具有较好的精度与稳定性。本模型预测温室温度场效果良好,可用于预测冬季温室最低温度确定作物最优定植时间。(本文来源于《中国农业大学学报》期刊2019年06期）
王慧莹,吴亮红,梅盼盼,张红强,周少武[7]（2019）在《果蝇优化广义神经网络的风电功率短期预测》一文中研究指出随着风电装机容量的持续增长,风力发电的间歇性和随机性对电网造成的不利影响越来越明显。因此,有效的风电功率预测是解决大规模风电并网的关键问题之一。为此提出采用主成分分析法和果蝇优化广义神经网络(FOA-GRNN)对风电功率进行短期预测。首先采用主成分分析对样本数据进行降维处理,提取有效的主成分以降低预测模型的复杂度。然后,引入自适应步长公式,采用FOA-GRNN对处理后的样本数据进行预测。经湖南某风电厂实际运行数据验证,FOA-GRNN的平均相对误差为8. 81%,相比粒子群算法-径向基函数(PSO-RBF)、PSO-BP等预测模型,具有更高的预测精度和更快的收敛速度,为短期风电功率预测提供了一种有效方法。(本文来源于《电子测量与仪器学报》期刊2019年06期）
方强,刘玲[8]（2019）在《基于广义回归神经网络的微生物降解效应对助燃剂检测的影响》一文中研究指出为探究火场土壤载体中微生物降解效应对助燃剂鉴定的影响,在普通土和培养土两种土样上注射助燃剂,以密封存放时间为变量,通过静态顶空的样品预处理方式对样品内的助燃剂残留物进行气相色谱-质谱法(GC-MS)鉴定。研究发现,微生物降解效应会改变样品内助燃剂组分,不同土样内降解结果有所不同,普通土样的降解效应较培养土样明显,C9～C12直链烷烃和单取代芳香烃更易被降解,多取代芳烃的降解难度随取代基含量的增多而增加。按土样种类采用主成分分析(PCA)的方式进行数据降维后,采用广义回归神经网络(GRNN)对不同土样结果区分,准确率达100%。(本文来源于《色谱》期刊2019年06期）
王鹏,孟维璇,朱干成,张登浩,张利会[9]（2019）在《多维项目反应理论补偿性模型参数估计:基于广义回归神经网络集合》一文中研究指出运用广义回归神经网络(GRNN)方法对小样本多维项目反应理论(MIRT)补偿性模型的项目参数进行估计,尝试解决传统参数估计方法样本数量要求较大的问题。MIRT双参数Logistic补偿模型被设置为二级计分的二维模型。首先,模拟二维能力参数、项目参数值与考生作答矩阵。其次,把通过主成分分析得到的前两个因子在每个题目上的载荷作为区分度的初始值以及题目通过率作为难度的初始值,这两个指标的初始值作为神经网络的输入。集成100个神经网络,其输出值的均值作为MIRT的项目参数估计值。最后,设置2×2种(能力相关水平:0.3和0.7;两种估计方法:GRNN和MCMC方法)实验处理,对GRNN和MCMC估计方法的返真性进行比较。结果表明,小样本的情况下,基于GRNN集成方法的参数估计结果优于MCMC方法。(本文来源于《心理学探新》期刊2019年03期）
杨小彬,王逍遥,周世禄,张子鹏[10]（2019）在《基于改进广义回归神经网络的工作面低氧预测模型研究》一文中研究指出为了更有效合理地解决煤矿工作面中低氧问题,以神东某煤矿工作面监测数据为样本,考虑监测物理参数之间的相互影响关系,借助主成分分析法对广义回归神经网络(GRNN)进行改进,构建工作面氧气浓度预测模型,编制改进的GRNN模型程序。将预测氧气浓度结果与实测数据对比,证明改进后的GRNN模型具有良好的拟合准确度和泛化能力,比改进前GRNN模型和BP神经网络模型更适合于煤矿工作面低氧问题的预测;利用改进的GRNN模型分析了工作面进、回风压力及进风温度对工作面及回风平巷氧浓度的影响,为矿井工作面低氧预测及工作面低氧防治技术提供了参考。(本文来源于《矿业科学学报》期刊2019年05期）
广义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：
利用1964年至2011年黄前水库以上年降雨量、蒸发量和径流量作为网络的训练样本,2012年的数据作为网络的外推测试样本,监测数值训练中采用交叉验证方法训练GRNN神经网络,对黄前水库径流量进行预测分析,采用网络循环训练方法,达到最佳预测效果。
（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。
广义神经网络论文参考文献
[1].陈晶,周斌.基于BP人工神经网络的改进广义预测控制的电网负荷预测[J].赤峰学院学报(自然科学版).2019
[2].徐珊,李斌,岳超.基于广义回归神经网络GRNN的黄前水库径流预测分析[J].科技风.2019
[3].余世明,张航,何德峰,赵云波.基于神经网络模型的计量泵远程流量广义预测控制[J].高技术通讯.2019
[4].彭周宁,林培杰,赖云锋,程树英,陈志聪.基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测[J].电气技术.2019
[5].杨元祺,魏猛.广义回归神经网络在车险定价模型中的应用[C].2019中国保险与风险管理国际年会论文集.2019
[6].尹庆珍,张天策,郄丽娟,韩建会.基于广义回归神经网络异质复合墙体日光温室温度场的预测[J].中国农业大学学报.2019
[7].王慧莹,吴亮红,梅盼盼,张红强,周少武.果蝇优化广义神经网络的风电功率短期预测[J].电子测量与仪器学报.2019
[8].方强,刘玲.基于广义回归神经网络的微生物降解效应对助燃剂检测的影响[J].色谱.2019
[9].王鹏,孟维璇,朱干成,张登浩,张利会.多维项目反应理论补偿性模型参数估计:基于广义回归神经网络集合[J].心理学探新.2019
[10].杨小彬,王逍遥,周世禄,张子鹏.基于改进广义回归神经网络的工作面低氧预测模型研究[J].矿业科学学报.2019