导读:本文包含了粗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,粗糙,层析,风险,模糊,神经元,油气。
粗神经网络论文文献综述写法
刘丹[1]（2017）在《基于粗神经网络的电力系统短期负荷预测研究》一文中研究指出在整个电力系统的运作和规划中,短期负荷预测一直扮演着重要的角色。电力负荷变化主要与负荷的组成成分、天气、时间以及人们社会活动等因素有关,这些因素造成负荷变化量具有多元非线性和时变性,其变化规律无法用数学公式来准确表达。为了适应电力系统短期负荷对其预测精度越来越高的要求,本文将粗糙集理论与神经网络相结合,建立了基于粗神经网络的短期负荷预测模型。具体研究如下:(1)针对短期负荷多元非线性和时变性的特征,本文将粗糙集理论与RBF神经网络相结合,给出了一种基于粗神经元RBF(Radial basis function)神经网络的预测模型。粗集理论在分析和处理不精确、不一致、不完整的信息方面优势明显。而RBF神经网络以非线性神经元来协同处理信息,能够大规模并行处理数据,具有较强的自学习能力。在神经网络中引入粗神经元可以很好地将粗糙集和神经网络的优势相结合。这种粗神经网络预测模型的输入由传统的单一值变为双值,在保持较强学习能力的同时,可反映一段时间内负荷数据的波动情况,能很好地处理不精确的信息。由于RBF神经网络的初始参数通常都设为随机数,导致预测结果不确定,预测精度具有随机性。因此本文提出遗传算法优化粗神经元RBF神经网络,利用遗传算法搜索网络的最优初始权值,以此作为网络训练的初始参数,从而提高网络的预测精度。(2)由于小波神经网络在分析信号方面具有优势,其学习能力强,训练速度较快,在预测领域应用较为广泛。因此本文在建立基于粗RBF神经网络预测模型的基础上,还将粗神经元引入小波神经网络中,构建了一种“紧致性”的粗小波神经网络,给出了基于粗小波神经网络的短期负荷预测模型。这种网络模型训练速度比粗RBF神经网络快,泛化能力更强。(3)由于粗小波神经网络中需要寻优的参数较多,在网络训练的过程中,计算也会变得复杂。而萤火虫算法计算效率高,需要设置的参数少,其收敛速度和寻优精度都较高。因此本文采用改进的萤火虫算法对粗小波神经网络的相关参数进行优化,在全局内找出网络的最佳参数。将优化后的粗神经网络用于短期负荷预测,有利于加快网络的收敛速度,提高网络的泛化能力。实例仿真结果表明,本文所提出的方法能有效反映负荷的波动信息,改进后的预测模型训练速度快、非线性拟合能力较强、预测精度较高,在实际运用中具有重要意义。(本文来源于《南京邮电大学》期刊2017-10-26）
韩林呈[2]（2016）在《基于粗神经网络和主观贝叶斯的雷达型号识别》一文中研究指出为提高雷达识别系统的识别率,提出了一种基于粗集理论、径向基神经网络及主观贝叶斯方法的叁层识剐模型。经过样本数据粗集方法简化、神经网络分类以及对识别结果的贝叶斯融合等步骤,将粗集的规则提取能力、神经网络的分类能力和主观贝叶斯方法的推理融合能力结合起来。仿真结果表明,该模型提高了系统的识别率和运算速度。(本文来源于《微型电脑应用》期刊2016年06期）
刘延东,李惠强,何在刚,刘浩仟,陈玲[3]（2014）在《基于粗神经网络和特征提取的ECT流型辨识》一文中研究指出针对目前电容层析成像技术流型辨识精度低的问题,提出一种基于粗神经网络与特征提取相结合的方法来辨识两相流流型.该方法首先根据电容层析成像系统和流型的特点来处理电容测量数据,从而完成对各种流型特征的提取;其次对粗神经网络的结构进行设计,并利用典型流型特征参数训练粗神经网络,然后利用此粗神经网络对流型进行辨识;最后进行仿真实验.仿真实验结果表明此种方法较传统的BP神经网络具有较高的识别精度,这也为ECT流型辨识的研究提供了一个新的途径和手段.(本文来源于《辽宁大学学报(自然科学版)》期刊2014年04期）
黄胜忠,罗芳琼,陈旭明[4]（2014）在《基于优化的粗神经网络在地质样品元素的预测研究》一文中研究指出在神经网络中引入粗糙集理论和模糊聚类方法,实现建模预测。首先用粗糙集和模糊聚类进行属性约简,去掉冗余的属性。然后根据模糊逻辑规则获取合理的网络输入层、隐含层和输出层,建立优化的粗神经网络预测模型。该模型可以有效地去除神经网络中输入层的冗余神经元,合理地确定隐含层神经元的数目,使神经网络提高收敛性能,获得更好的非线性逼近能力。仿真实验结果说明:优化的粗神经网络预测模型,可提取有用信息,简化网络结构,减少训练时间,提高预测精度。在地质样品元素的预测实验中,取得了良好的效果。(本文来源于《计算机应用与软件》期刊2014年05期）
黄胜忠,阮帅,陈旭明[5]（2013）在《优化的粗神经网络在机械故障中的预测研究》一文中研究指出为了尽早发现机械故障,做到防患于未然,实施安全生产,在神经网络中引入粗糙集理论和模糊聚类方法,实现建模预测。首先用粗糙集和模糊聚类进行属性约简,去掉冗余的属性。然后根据模糊逻辑规则获取合理的网络输入层、隐含层和输出层,建立优化的粗神经网络预测模型。该模型可以有效地去除神经网络中输入层的冗余神经元,合理的确定隐含层神经元的数目,使神经网络提高了收敛性能,获得更好的非线性逼近能力。应用车床的机械振动采样数据进行仿真实验,结果说明:优化的粗神经网络预测模型,可提取有用信息、简化网络结构,减少训练时间,提高预测精度。在机械振动位移的采样数据预测实验中,取得了良好的效果,对于减少机械故障、实现安全生产、提高经济效益具有重要意义。(本文来源于《河池学院学报》期刊2013年05期）
王爱莲,刘庆秀[6]（2013）在《基于粗神经网络的企业人力资源危机预警研究》一文中研究指出通过粗糙集对冗余的指标进行约简,构建一套企业人力资源危机预警指标体系,运用粗糙集与RBF径向基神经网络相结合的方法,对企业人力资源危机进行预警;最后通过实例验证了该方法的可行性和有效性。(本文来源于《西安石油大学学报(社会科学版)》期刊2013年02期）
张明泉,吕向飞[7]（2012）在《基于粗神经网络的油气管道EPC总承包商风险评价研究》一文中研究指出国内油气管道经过50多年的建设,其管理模式从大会战到平行发包,再到如今跟国际接轨的EPC总承包模式。文中采用粗糙集理论和BP神经网络相结合,根据长输油气管道工程EPC总承包建设过程中出现的各种风险因素,建立风险评价指标体系,给出了有关风险等级分析的决策表,再用粗糙集理论对决策表进行属性约简,减少了特征向量的数量,然后结合BP神经网络模型分析,提高了学习速度,减少了训练时间,期望输出值和实际输出值之间误差很小,使得EPC总承包商在作风险因素分析时能更准确、更迅速。(本文来源于《重庆科技学院学报(社会科学版)》期刊2012年18期）
杨智,罗帆[8]（2011）在《基于粗神经网络的管制员工作差错风险预警模型》一文中研究指出针对空中交通管制员工作差错风险类型,指出指标体系建构过程的动态性特征,从个人、团队、设备、环境及管理几个方面,建构预警指标体系,运用粗糙集在数据挖掘方面的优势,通过基于属性重要度的启发式约简算法,提取关键指标,剔除冗余指标,可以实现在不丢失关键预警监控对象的情况下,结合BP人工神经网络构建实时预警模型,既有利于加快运算速度,又有利于进行重点监控。经过实例仿真,粗糙集与BP网络结合建构的预警模型,能有效针对管制员工作差错风险进行实时预警监控。(本文来源于《中国安全生产科学技术》期刊2011年12期）
赵晓娟[9]（2011）在《基于粗神经网络的企业信息化项目集成风险预警研究》一文中研究指出企业信息化项目是一项复杂的系统工程。以系统的观点,依据信息化项目开发的生命周期,建构信息化项目集成风险预警指标体系,并运用粗神经网络对企业信息化项目进行集成风险预警。粗神经网络是一种基于粗集和神经网络的混合模型,用粗集作为神经网络的预处理环节,对属性进行约简、消除样本冗余,达到优化BP神经网络的目的。(本文来源于《湖南社会科学》期刊2011年06期）
彭泓,高攀[10]（2011）在《粗神经网络在煤与瓦斯突出预测系统的应用》一文中研究指出在综合研究了各种算法的基础上,将粗集理论和BP神经网络结合,充分利用了粗集算法能够去除冗余信息,BP神经网络能够精确加快收敛速度的优点。利用具体网络建立一个突出预测机制,并利用该预测机制对矿井瓦斯突出情况进行模拟预测。实际应用效果表明:采用基于MATLAB神经网络工具箱的BP网络模型,能克服一般BP网络收敛较慢的缺点,能加快收敛速度。实验结果表明:基于粗集-BP神经网络的预测模型可靠,收敛速度快,预测精度高,效果良好。(本文来源于《仪表技术与传感器》期刊2011年11期）
粗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：
为提高雷达识别系统的识别率,提出了一种基于粗集理论、径向基神经网络及主观贝叶斯方法的叁层识剐模型。经过样本数据粗集方法简化、神经网络分类以及对识别结果的贝叶斯融合等步骤,将粗集的规则提取能力、神经网络的分类能力和主观贝叶斯方法的推理融合能力结合起来。仿真结果表明,该模型提高了系统的识别率和运算速度。
（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。
粗神经网络论文参考文献
[1].刘丹.基于粗神经网络的电力系统短期负荷预测研究[D].南京邮电大学.2017
[2].韩林呈.基于粗神经网络和主观贝叶斯的雷达型号识别[J].微型电脑应用.2016
[3].刘延东,李惠强,何在刚,刘浩仟,陈玲.基于粗神经网络和特征提取的ECT流型辨识[J].辽宁大学学报(自然科学版).2014
[4].黄胜忠,罗芳琼,陈旭明.基于优化的粗神经网络在地质样品元素的预测研究[J].计算机应用与软件.2014
[5].黄胜忠,阮帅,陈旭明.优化的粗神经网络在机械故障中的预测研究[J].河池学院学报.2013
[6].王爱莲,刘庆秀.基于粗神经网络的企业人力资源危机预警研究[J].西安石油大学学报(社会科学版).2013
[7].张明泉,吕向飞.基于粗神经网络的油气管道EPC总承包商风险评价研究[J].重庆科技学院学报(社会科学版).2012
[8].杨智,罗帆.基于粗神经网络的管制员工作差错风险预警模型[J].中国安全生产科学技术.2011
[9].赵晓娟.基于粗神经网络的企业信息化项目集成风险预警研究[J].湖南社会科学.2011
[10].彭泓,高攀.粗神经网络在煤与瓦斯突出预测系统的应用[J].仪表技术与传感器.2011