导读:本文包含了双并联前向神经网络论文开题报告文献综述、选题提纲参考文献，主要关键词:神经网络,前向,调速器,模型,水轮机,正交,水轮。
双并联前向神经网络论文文献综述写法
姜新佩,邓子辰,丁声荣,田新志[1]（2006）在《普通混凝土强度预测的双并联前向神经网络模型》一文中研究指出为了预测混凝土强度,在分析普通混凝土的28d强度的影响基础上,建立了混凝土强度预测的双并联前向神经网络模型,介绍了双并联前向神经网络模型的计算过程及其学习方法。通过编程用计算机对混凝土强度预测进行了仿真模拟,结果与鲍罗米公式计算结果比较表明预测精度高,模型可靠。通过与BP网络模型比较发现双并联前向神经网络模型具有更好的收敛效果。(本文来源于《建筑施工》期刊2006年04期）
钟诗胜,丁刚[2]（2005）在《双并联前向过程神经网络及其应用研究》一文中研究指出为克服多层前向过程神经网络收敛速度慢、精度低的问题,提出了一种双并联前向过程神经网络模型.在输入空间中引入一组合适的函数正交基,将输入函数和网络权函数表示为该组正交基的展开形式,并利用基函数的正交性简化网络聚合运算过程.给出了相应的学习算法,并以飞机发动机状态监控中发动机排气温度的预测为例验证了模型和算法的有效性.(本文来源于《控制与决策》期刊2005年07期）
魏德华,唐蕾,侯志亮,赵林明[3]（2004）在《基于双并联前向人工神经网络的水轮机数字协联模型》一文中研究指出提出应用双并联前向人工神经网络建立水轮机数字协联模型的方法,该方法是一种行之有效的方法。实例表明,用该方法建立的水轮机数字协联模型具有表达简单、精度高的特点。(本文来源于《水电能源科学》期刊2004年03期）
何明一[4]（1997）在《双并联前向神经网络的误差分析》一文中研究指出分析了作者提出的双并联前向神经网络（ＤＰＦＮＮ）有限精度实现的误差界，并给出多种有限精度运算实现的仿真结果，其结果对神经网络的有限精度实现和工程应用设计具有一定的指导意义(本文来源于《西北工业大学学报》期刊1997年01期）
赵林明[5]（1995）在《双并联前向神经网络在水轮发电机组建模中的应用》一文中研究指出采用双并联前向人工神经网络技术，对水轮发电机组输出功率试验数据的训练，得到建立水轮发电机组数学模型的方法．实例表明，与一般多层前向网络相比，本文方法具有收敛速度快，计算精度高的特点．(本文来源于《水电能源科学》期刊1995年03期）
何明一[6]（1994）在《双并联前向神经网络及其在飞行故障检测仿真研究中的应用》一文中研究指出首次把飞行故障检测视为一个非线性数据分类问题，从而可望借助人工神经网络来处理。为了克服ＭＬＦＮＮ在数据分类中存在的学习慢与分类精度低，发展了由ＭＬＦＮＮ和ＳＬＦＮＮ并联并可接收编码输入的ＤＰＦＮＮ模型，还将训练ＭＬＰ的有关算法推广到ＤＰＦＮＮ情形。用计算机仿真了若干飞行故障模式并用于测试ＤＰＦＮＮ。(本文来源于《航空学报》期刊1994年07期）
双并联前向神经网络论文开题报告范文
（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：
为克服多层前向过程神经网络收敛速度慢、精度低的问题,提出了一种双并联前向过程神经网络模型.在输入空间中引入一组合适的函数正交基,将输入函数和网络权函数表示为该组正交基的展开形式,并利用基函数的正交性简化网络聚合运算过程.给出了相应的学习算法,并以飞机发动机状态监控中发动机排气温度的预测为例验证了模型和算法的有效性.
（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。
双并联前向神经网络论文参考文献
[1].姜新佩,邓子辰,丁声荣,田新志.普通混凝土强度预测的双并联前向神经网络模型[J].建筑施工.2006
[2].钟诗胜,丁刚.双并联前向过程神经网络及其应用研究[J].控制与决策.2005
[3].魏德华,唐蕾,侯志亮,赵林明.基于双并联前向人工神经网络的水轮机数字协联模型[J].水电能源科学.2004
[4].何明一.双并联前向神经网络的误差分析[J].西北工业大学学报.1997
[5].赵林明.双并联前向神经网络在水轮发电机组建模中的应用[J].水电能源科学.1995
[6].何明一.双并联前向神经网络及其在飞行故障检测仿真研究中的应用[J].航空学报.1994