导读:本文包含了随机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:CPG,随机共振,同步系数,分数阶
随机神经网络论文文献综述
李资源,邱新秀,高庆宗,付德海,张佳辉[1]（2019）在《基于分数阶CPG和小世界神经网络的同步和随机共振研究》一文中研究指出分数阶微积分是整数阶微积分的推广,分数阶微积分算子具有记忆和遗传特性,在应用方面比整数阶微积分更适合描述现实生活中的基本现象。近年来,分数阶微积分已经应用在生物、化学、工程、物理、医药等领域。为了研究分数阶中枢模式发生器(CPG)和小世界神经网络(SWNN)的同步和随机共振,根据生物知识和数值模拟,建立了SWNN和分数阶CPG相互作用的模型,分析当分数阶CPG的幅值和频率改变时SWNN的同步性、随机共(本文来源于《中国科技信息》期刊2019年22期）
刘佳翰,陈克绪,马建,徐春华,吴建华[2]（2019）在《基于卷积神经网络和随机森林的叁相电压暂降分类》一文中研究指出特征提取是电能质量扰动识别的关键步骤,然而传统的数学变换与浅层神经网络相结合的方法无法自动提取特征。为此,提出了一种基于卷积神经网络(CNN)和随机森林(RF)的混合模型来对叁相电压暂降数据进行自动特征提取及分类。首先,将叁相电压暂降数据转换为空间相量模型(SPM);其次,利用CNN对SPM进行特征提取;最后,将RF应用于分类。为了加快CNN训练速度并缓解过拟合,引入了Dropout、学习率指数衰减和自适应矩估计权值更新算法。实验结果表明,与其他分类方法相比,所提方法具有较好的泛化性能和较高的分类准确率,这为电压暂降识别提供了一种客观、高效的辅助手段。(本文来源于《电力系统保护与控制》期刊2019年20期）
张逾傲,胡觉亮[3]（2019）在《随机径向基函数神经网络的收敛性分析》一文中研究指出为了探究随机径向基函数神经网络的函数逼近能力,运用随机权重前馈神经网络收敛性分析的方法对其进行收敛性分析。首先利用广义δ函数的性质构建一个被近似函数的极限积分表达式;其次用蒙特卡罗方法计算这个表达式中的积分,证明随机径向基函数神经网络可以逼近任意连续函数。同时,从理论上分析了随机径向基函数神经网络的收敛特性,发现其收敛误差随着隐藏层神经元节点的增加而逐渐减少,表明其是一个高效的函数逼近器,并且具有处理大数据问题的潜力。(本文来源于《浙江理工大学学报(自然科学版)》期刊2019年06期）
任海东[4]（2019）在《基于随机非线性系统自适应神经网络的电机控制策略》一文中研究指出在现实工程设计控制系统的过程中,因为被控对象一般具备不确定性、时变性与非线性的特点,并且受到外界随机干扰的影响,所以实现基于随机非线性系统自适应神经网络电机控制策略具有重要意义。以此设计电机控制器,通过自适应方法解决系统参数不确定的问题,创建自适应神经网络控制器,从而使系统输出能够良好跟踪并制订参考信号,使全部信号都存在控制效果。(本文来源于《自动化应用》期刊2019年09期）
袁志宏,刘桂荣[5]（2019）在《随机时滞神经网络系统的自适应控制稳定性》一文中研究指出考查一类具有时滞延迟的随机非自治神经网络系统的两类稳定性问题,不同于常规使用的Lyapunov-Krasovskii函数方法和线性矩阵不等式技巧,通过构造新的比较原则,将神经网络(NNs)与随机神经网络(SNNs)两种模型进行比较,给出了随机神经网络(SNNs)自适应控制器能够使受控系统依概率稳定性和矩稳定性的新的代数判断依据.此外,通过数值算例对主要结果进行验证.(本文来源于《数学的实践与认识》期刊2019年18期）
胡红萍,李洋洋,白艳萍[6]（2019）在《基于卷积神经网络与随机森林的合成孔径雷达目标识别》一文中研究指出自合成孔径雷达(synthetic aperture radar,SAR)问世以来,就在军事侦察等方面获得了广泛的应用和发展.SAR图像包含大量的相干斑,使得图像识别工作变得相当复杂,因此,在传统的卷积神经网络(Convolutional Neural Network,CNN)的基础上将Softmax分类器替换成随机森林(Random Forest,RF),得到CNN与RF相结合的算法,记为CNN-RF,用以实现SAR目标实别在CNN-RF中,将CNN提取出SAR图像的特征矢量输入RF分类器.实验结果表明,所提出的算法在MSTAR实测数据集上取得了较高的识别准确率,从而说明了实验的有效性.(本文来源于《数学的实践与认识》期刊2019年17期）
杜君花,吴晓丹[7]（2019）在《具有随机切换非线性的时滞神经网络的非脆弱状态估计》一文中研究指出探讨了带有随机切换非线性和混合时滞的不确定神经网络的非脆弱状态估计问题.首先,给出了所研究神经网络的数学模型;其次,基于有效信息设计非脆弱状态估计器,采用范数有界不确定性刻画了状态估计器增益矩阵的摄动现象;再次,基于Lyapunov稳定性定理给出了新的线性矩阵不等式描述的稳定性条件;最后,给出了仿真实验验证所提出的状态估计算法的可行性.(本文来源于《数学的实践与认识》期刊2019年15期）
郑成德,肖岩,贾贺贺[8]（2019）在《中立型Markov脉冲神经网络的随机稳定性》一文中研究指出研究了含离散与无穷分布时变时滞的中立型Markov脉冲神经网络均方意义下的随机渐近稳定性.基于Lyapunov-Krasovskii泛函方法,利用推广的Jensen积分不等式、二次凸组合和倒凸组合技术,建立了新颖的稳定性条件.所得判据以线性矩阵不等式形式表示,可以通过标准Matlab软件验证.(本文来源于《大连交通大学学报》期刊2019年04期）
王瑞,王强强,逯静[9]（2019）在《基于随机神经网络的短期负荷预测》一文中研究指出短期负荷受社会因素和自然因素的影响,使得精准负荷预测困难重重。为了提高短期电力负荷预测精度,提出一种基于改进一般随机神经网络的负荷预测模型。随机神经网络与传统的BP神经网络相比的优势在于随机神经网络在参数优化过程中不会陷入局部最优,但是随机神经也存在自身的不足。针对一般随机神经网络优化过慢;参数优化朝着局部数据而不是整体训练数据,导致最后保存模型不是对整个训练集整体的最优模型。提出在随机神经网络预测模型中用Adam算法替代传统的梯度下降优化算法加快优化,并在随机神经网络模型每次更新后计算整体数据的损失函数,保存损失函数最小时的模型。通过实验分析,验证改进的随机神经网络模型更加有效。(本文来源于《制造业自动化》期刊2019年07期）
于大海[10]（2019）在《基于BP神经网络和随机森林算法的冠状动脉狭窄风险识别模型研究》一文中研究指出目的:冠心病是由冠状动脉血管狭窄所致心肌缺血缺氧的一种心血管疾病,其预后情况复杂多变。冠心病已然成为当前威胁人类生命健康的重要原因。冠状动脉造影手术治疗是目前唯一可以直接观察冠状动脉形态的论断方法,被认为是当前诊断冠心病的“金标准”,但由于冠状动脉造影存在创伤性,禁忌症和术后并发症,费用昂贵等诸多缺点,无法开展大规模的人群筛查,因此针对冠心病患者,构建冠状动脉狭窄早期风险识别模型显得尤为重要。本研究基于冠心病心衰患者临床病历资料,构建冠脉狭窄早期风险识别模型,实现高效、无创的识别冠状动脉狭窄,以指导临床医生和患者选择合理的预防性治疗和干预措施,以期降低冠状动脉狭窄的发生率和致死率。方法:根据本课题研究对象的纳入和排除标准,共筛选出符合条件的山西省心血管病医院和山西医科大学第一医院心内科2011年10月至2018年5月期间确诊为冠心病心衰的2926例住院患者作为本研究的研究对象,通过查阅两所医院病案室中相关电子和纸质病历,获取患者的一般人口学资料、既往史、实验室检查、心电图、心脏彩超、冠脉造影、用药等信息。利用卡方检验和基于秩的非参数检验从上述资料中筛选出与冠状动脉狭窄有关的变量。采用分层抽样的方法从冠脉造影手术结果Gensini评分大于等于4的患者和Gensini评分小于4的患者(包括未行冠脉造影手术的患者)两种数据资料中分别抽取四分之叁样本作为训练数据集,该部分数据用于训练初始模型,将剩余四分之一样本作为测试数据集,用来评价各模型的分类效果。将从病历资料中筛选出的变量作为输入变量,将冠脉造影手术结果Gensini评分是否大于4作为结局变量,在训练数据集中分别建立logistic回归、BP神经网络和随机森林分类识别模型,在测试数据集中通过准确度、灵敏度、特异度、阳性预测值、阴性预测值和受试者工作特征曲线下面积AUC指标来评价和比较叁种模型的综合性能。结果:通过单因素检验(卡方检验和基于秩的非参数检验),从147个变量中初步筛选出与冠状动脉狭窄相关的变量共49个,其中包括心律失常、高血压、血红蛋白、血小板等。通过基于AUC的随机森林自变量筛选方法对上述单因素检验得到的变量进行进一步筛选,最终获得36个变量进入最终模型进行训练。将36个变量作为模型的输入变量,用来训练logistic回归、BP神经网络和随机森林的初始模型。logistic回归模型在测试数据集中的结果:灵敏度为75.76%,特异度为72.95%,准确度为74.05%,阳性预测值为73.95%,阴性预测值为72.07%,AUC值为0.7399。训练BP神经网络之前,首先通过模拟试验,确定隐含层个数,实验结果发现,当神经网络模型的隐含层个数为25时,模型误差相对较小,因此构建模型结构为36-25-1的神经网络模型,BP神经网络模型在测试数据集中的结果:灵敏度为74.30%,特异度为70.00%,准确度为72.30%,阳性预测值为75.05%,阴性预测值为69.18%,AUC值为0.7231。在训练随机森林模型之前,首先对模型参数mtry和ntree进行选择,结果发现,当参数mtry设置为3,ntree设置为1000时,模型性能达到最佳,测试数据集中,随机森林模型的模型效果:灵敏度为93.70%,特异度为62.97%,准确度为79.49%,阳性预测值为74.58%,阴性预测值为89.39%,AUC值为0.7522。结论:随机森林模型在冠状动脉狭窄程度识别中的综合性能最佳,可以在患者发病早期,实现对冠状动脉狭窄的识别,这使得冠状动脉狭窄的发生概率被估计的更加准确,在临床上为医生和患者提供更加精确和高效的意见和建议,对提高诊疗质量具有重要意义。(本文来源于《山西医科大学》期刊2019-06-10）
随机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：
特征提取是电能质量扰动识别的关键步骤,然而传统的数学变换与浅层神经网络相结合的方法无法自动提取特征。为此,提出了一种基于卷积神经网络(CNN)和随机森林(RF)的混合模型来对叁相电压暂降数据进行自动特征提取及分类。首先,将叁相电压暂降数据转换为空间相量模型(SPM);其次,利用CNN对SPM进行特征提取;最后,将RF应用于分类。为了加快CNN训练速度并缓解过拟合,引入了Dropout、学习率指数衰减和自适应矩估计权值更新算法。实验结果表明,与其他分类方法相比,所提方法具有较好的泛化性能和较高的分类准确率,这为电压暂降识别提供了一种客观、高效的辅助手段。
（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。
随机神经网络论文参考文献
[1].李资源,邱新秀,高庆宗,付德海,张佳辉.基于分数阶CPG和小世界神经网络的同步和随机共振研究[J].中国科技信息.2019
[2].刘佳翰,陈克绪,马建,徐春华,吴建华.基于卷积神经网络和随机森林的叁相电压暂降分类[J].电力系统保护与控制.2019
[3].张逾傲,胡觉亮.随机径向基函数神经网络的收敛性分析[J].浙江理工大学学报(自然科学版).2019
[4].任海东.基于随机非线性系统自适应神经网络的电机控制策略[J].自动化应用.2019
[5].袁志宏,刘桂荣.随机时滞神经网络系统的自适应控制稳定性[J].数学的实践与认识.2019
[6].胡红萍,李洋洋,白艳萍.基于卷积神经网络与随机森林的合成孔径雷达目标识别[J].数学的实践与认识.2019
[7].杜君花,吴晓丹.具有随机切换非线性的时滞神经网络的非脆弱状态估计[J].数学的实践与认识.2019
[8].郑成德,肖岩,贾贺贺.中立型Markov脉冲神经网络的随机稳定性[J].大连交通大学学报.2019
[9].王瑞,王强强,逯静.基于随机神经网络的短期负荷预测[J].制造业自动化.2019
[10].于大海.基于BP神经网络和随机森林算法的冠状动脉狭窄风险识别模型研究[D].山西医科大学.2019