导读:本文包含了非线性函数逼近论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,函数逼近,仿真研究,非线性系统建模
非线性函数逼近论文文献综述
陈达权[1]（2019）在《基于深度学习的非线性函数逼近有效性探析》一文中研究指出基于非线性函数逼近问题的相关问题一直是工程应用领域研究的热点问题,如传感器修正、产品设计仿真及机器人控制等,要求模型能够有效处理大样本高维非线性数据而且能够达到高精度、高鲁棒性及强泛化能力等性能表现,而目前的传统浅层模型均难以满足这些具体要求,在充分分析并研究现有典型深度学习模型后,得出深度学习模型能够实现对任意高维非线性复杂函数进行逼近的可行性,并提出相对传统浅层模型具有更优异性能表现的深度学习模型的设计方法。(本文来源于《电脑知识与技术》期刊2019年05期）
杜珊,李风军[2]（2017）在《基于MQ拟插值函数逼近的非线性动力系统数值求解》一文中研究指出借助多重二次曲面(multi quadrics,MQ)拟插值函数具有较好精确性和稳定性的优势,研究了基于MQ拟插值函数和4阶Runge-Kutta法相结合的方法,构造了求解带有初值问题的非线性动力系统的数值解法,分析了该方法与已有主要方法的优缺点,并给出了相应的数值算例、误差估计.结果表明该方法计算量小、能很好地逼近非线性动力系统的解析解.(本文来源于《应用数学和力学》期刊2017年08期）
李岩汀,许锡宾,周世良,徐绩青[3]（2016）在《基于径向基函数逼近的非线性动力系统数值求解》一文中研究指出径向基函数具有形式简单、各向同性等优点.将径向基函数逼近的思想与加权余量配点法相结合,借鉴边值问题的求解,构造了一种求解非线性动力系统初值问题的数值方法.分析了几种较为成熟的非线性动力系统数值求解方法的优缺点.给出了实际算例,与已有方法对比,表明该方法计算过程简单、收敛性好、计算精度高.(本文来源于《应用数学和力学》期刊2016年03期）
张国英,王贵君[4]（2016）在《基于高斯隶属函数的非线性T-S模糊系统的逼近性》一文中研究指出基于最小推理机、单点模糊化和中心平均解模糊化方法构造了一类非线性T-S模糊系统,根据Stone-Weierstrass定理证明了该T-S模糊系统对多元连续函数具有逼近性能.(本文来源于《天津师范大学学报(自然科学版)》期刊2016年01期）
郭兵[5]（2015）在《Sinc函数的非线性逼近及其应用》一文中研究指出Shannon采样定理为信号通信和图像处理奠定了严格的理论基础.根据Shannon采样公式,有限带宽信号可以被精确的恢复.Sinc函数是Shannon采样公式中的插值核.同时Sinc函数还被看作是一个理想的低通滤波器.在信号的实际恢复过程中,通常只涉及到Shannon采样公式中的有限项求和,因此就会产生一个截断误差.如果要得到一个合适的截断误差,就需要很多项求和,因而就带来了很大的计算量.另外,大多数信号都不是严格意义上的有限带宽信号,此时若仍把Sinc函数看作是理想的插值核,则缺乏一个合理的解释.为了解决这些问题,人们便开始从两方面对Shannon采样公式的有限项求和进行改进.一方面,构造一个合适的函数将其加入到Shannon采样公式的有限项求和中,来减小截断误差,此时构造的函数被称为收敛因子；另一方面,构造一个具有紧支集的函数,同时该函数需要满足Sinc函数的一些性质.最后在S hannon采样公式的有限项求和中,用构造的函数来代替Sinc函数.本文将从这两方面来考虑Sinc函数的逼近问题.另外,我们将再次论证当线性多步法达到最高逼近阶时,该差分格式是不稳定的.本文分为五章,具体安排如下：1.第一章,我们介绍了Sinc函数、样条函数、Pade逼近和代数函数逼近的相关内容及研究情况.2.第二章,通过研究Sinc函数的Pade逼近,我们给出了Sinc函数的[2/4]型Pade逼近.然后把[2/4]型Pade逼近看作是一个收敛因子,将其加入到Shannon采样公式的有限项求和中.最后和已有的收敛因子进行了数值实验比较,将[2/4]型Pade逼近作为收敛因子的有限项求和也能得到很好的精度.3.第叁章,我们给出了Sinc函数的[2/6]型、[0/2]型、[0/4]型和[0/6]型Pade逼近.然后将[2/6]型Pade逼近和另外叁类Pade逼近以及第二章中的叁类收敛因子进行数值实验比较,[2/6]型Pade逼近作为收敛因子能得到很好的精度.4.第四章,基于3/1型有理样条函数已有的研究,我们研究了Sinc函数的3/1型有理样条函数逼近,并得到了一类含参数的3/1型有理样条函数.通过分析它的频谱在原点处的泰勒展开式,我们得到：当参数值取2时,该3/1型有理样条函数在低频处有平坦谱.另外,还给出了参数的其它几种合理的取值.最后与已有的几种方法通过图像处理进行比较,我们的方法也能得到很好的图像处理效果.5.第五章,我们从指数函数的代数函数逼近角度,研究了指数函数的[1,n]级代数函数逼近以及与线性多步法的联系.最后我们给出了一个新的证明：当线性多步法达到最高逼近阶时,其差分格式是不稳定的.(本文来源于《大连理工大学》期刊2015-10-01）
张国英,王贵君[6]（2015）在《基于叁角形模糊化的非线性T-S模糊系统对p-可积函数的逼近性》一文中研究指出通过给定p-可积函数,引入了分片线性函数(PLF)的解析表达式.基于叁角形模糊化、乘积推理机和中心平均解模糊化构造了一类新的非线性T-S模糊系统,在p-积分模下证得非线性T-S模糊系统对此分片线性函数具有逼近性,进而得到该系统对p-可积函数亦具逼近性能.(本文来源于《浙江大学学报(理学版)》期刊2015年05期）
张敏,徐启华,丁博[7]（2015）在《非线性函数逼近的几类神经网络方法比较研究》一文中研究指出Matlab中神经网络作为数据处理的一种有效方法已经被广泛研究,其中基于神经网络实现函数逼近是其处理数据的具体应用之一.在相同误差指标和目标参数的情况下,通过应用具有代表性的BP,RBF和Elman网络以及小波神经网络逼近非线性函数.仿真结果表明,不同的网络结构和训练算法对逼近结果影响是不同的,且每种方法在恰当的应用条件下都能实现理想效果.所以在实际工程应用中具有指导意义,只要合理分析实际数据,就可选择有效的神经网络方法解决实际问题.(本文来源于《淮海工学院学报(自然科学版)》期刊2015年02期）
岑红蕾,鲁敏,聂晶[8]（2015）在《基于BP神经网络的非线性函数逼近仿真研究》一文中研究指出神经网络的建模方法的主要特点是模型易于实现(辨识模型即为神经网络本身)和对非线性映射的逼近性能良好,为非线性系统黑箱辨识问题提供了一种十分有效的工具。本文在研究BP神经网络MATLAB实现的基础上,提出了一个用于非线性函数逼近的3层BP网络。训练结果表明:预测值与期望值具有较好的一致性,说明BP网络具有良好的预测能力。(本文来源于《农业网络信息》期刊2015年01期）
宋巨龙,钱富才,梁锦锦[9]（2014）在《非线性函数叁次型逼近算法研究》一文中研究指出为提高函数逼近的精度,扩展二次型的适用范围,对二次型及矩阵的概念及运算方法进行了推广,提出了叁次型及体阵的概念和运算方法,给出了多元函数梯度、黑塞矩阵,特别是多元函数泰勒公式的新的矩阵表达式,为二次型的进一步深入研究提供了新的基础,为函数逼近,最优化等方面的研究提供了一个新的视角,使得已有的特征值,特征向量等有可能被进一步推广从而使二次型的研究及应用得到极大的扩展,对于控制问题、优化问题的研究具有潜在的应用价值。(本文来源于《西安理工大学学报》期刊2014年04期）
李君艺,张宇华[10]（2013）在《基于BP神经网络的非线性函数逼近及SAS实现》一文中研究指出BP神经网络作为目前应用最广泛的神经网络模型之一,其主要的特点在于非线性函数逼近的能力。提出基于BP神经网络的非线性函数逼近方法,开创性地使用功能强大的统计分析软件SAS编写BP算法,实现非线性函数的逼近,并对训练过程中的权值变化以及训练前后的函数曲线逼近效果进行对比分析。(本文来源于《现代计算机》期刊2013年08期）
非线性函数逼近论文开题报告
（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：
借助多重二次曲面(multi quadrics,MQ)拟插值函数具有较好精确性和稳定性的优势,研究了基于MQ拟插值函数和4阶Runge-Kutta法相结合的方法,构造了求解带有初值问题的非线性动力系统的数值解法,分析了该方法与已有主要方法的优缺点,并给出了相应的数值算例、误差估计.结果表明该方法计算量小、能很好地逼近非线性动力系统的解析解.
（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。
非线性函数逼近论文参考文献
[1].陈达权.基于深度学习的非线性函数逼近有效性探析[J].电脑知识与技术.2019
[2].杜珊,李风军.基于MQ拟插值函数逼近的非线性动力系统数值求解[J].应用数学和力学.2017
[3].李岩汀,许锡宾,周世良,徐绩青.基于径向基函数逼近的非线性动力系统数值求解[J].应用数学和力学.2016
[4].张国英,王贵君.基于高斯隶属函数的非线性T-S模糊系统的逼近性[J].天津师范大学学报(自然科学版).2016
[5].郭兵.Sinc函数的非线性逼近及其应用[D].大连理工大学.2015
[6].张国英,王贵君.基于叁角形模糊化的非线性T-S模糊系统对p-可积函数的逼近性[J].浙江大学学报(理学版).2015
[7].张敏,徐启华,丁博.非线性函数逼近的几类神经网络方法比较研究[J].淮海工学院学报(自然科学版).2015
[8].岑红蕾,鲁敏,聂晶.基于BP神经网络的非线性函数逼近仿真研究[J].农业网络信息.2015
[9].宋巨龙,钱富才,梁锦锦.非线性函数叁次型逼近算法研究[J].西安理工大学学报.2014
[10].李君艺,张宇华.基于BP神经网络的非线性函数逼近及SAS实现[J].现代计算机.2013