导读:本文包含了连续状态神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,状态,小波,加热炉,组合,云图,冗余。
连续状态神经网络论文文献综述
洪礼聪,王卫玉,陈启卷[1]（2018）在《基于连续小波变换和卷积神经网络的尾水管涡带状态识别》一文中研究指出混流式水轮机尾水管压力脉动是影响水电机组稳定性的重要因素,监测和识别尾水管涡带状态对于保障水电机组的安全稳定运行十分必要。为此,采用能有效表征信号时频域特性的小波系数云图作为特征图像,并结合卷积神经网络对图像拓扑结构的良好适应性,将图像智能识别技术引入尾水管涡带状态识别领域,提出了基于连续小波变换与卷积神经网络的尾水管涡带状态识别方法,实现了时频图纹理特征的自动提取,避免了人工辨识并简化了特征预处理程序,能迅速准确识别尾水管涡带状态。根据某水电站单机容量200 MW的混流式机组变负荷试验数据对该方法进行实例验证,结果证明了其有效性。(本文来源于《广东电力》期刊2018年05期）
杨帆[2]（2017）在《连续神经网络的状态估计问题研究》一文中研究指出近年来,随着神经网络的快速发展,其在工程方面的应用也变得越来越多,但在实际的工程应用中,总会不可避免的出现诸如脆弱性、非线性、时滞等问题,此类问题的存在将直接导致只有部分神经元的状态信息可以通过网络输出。由此可见,尽可能准确的估计神经元的状态具有重要的科研价值以及实际意义。本文研究的内容是针对连续神经网络系统进行建模,并且基于Lyapunov稳定性定理,结合线性矩阵不等式(Linear Matrix Inequality,LMI)技术、矩阵分析技术等,讨论系统的稳定性并且对非脆弱性状态估计器设计方法进行验证。首先,针对具有时变时滞的连续神经网络系统,进行系统稳定性分析,并且讨论考虑加性增益变化的非脆弱性状态估计器研究方法。采用LMI方法,获得保证系统渐近稳定和满足其他约束条件的非脆弱性状态估计器存在的充分条件,以及状态估计器的增益,并对研究结果进行分析。其次,建立一类具有加性增益变化和时变时滞的连续神经网络模型,分析系统稳定性并设计非脆弱性状态估计器。定义连续神经网络增广系统和约束条件,选取李雅普诺夫函数并按照其稳定性定理,分析得到系统渐近稳定及状态估计器增益存在的充分条件。此时,非脆弱性状态估计器的设计实现就转化为求解相应LMI的可行解。再次,考虑到时变时滞的神经网络的稳定性和非脆弱性状态估计算法。采用乘性范数有界形式的估计器增益变化,利用Lipschitz条件刻画神经元状态依赖非线性扰动,研究带有非脆弱性的状态估计器。利用Lyapunov稳定性定理、矩阵分析技术、LMI技术、Leibniz-Newton公式,得到非脆弱性状态估计器存在的充分条件,以及标准LMI问题的可行解。最后,研究伴随噪声的连续神经网络系统稳定性和非脆弱性状态估计算法。利用两个不同的函数表示噪声,即系统产生的噪声序列和系统的观测噪声序列。结合上述神经网络模型,设计具有增益变量的非脆弱性状态估计器。通过分析误差动态增广系统的稳定性以及H?性能,得到非脆弱性状态估计器存在并且需要满足的LMI,即将非脆弱性状态估计器设计变换成用标准线性矩阵不等式方法解决凸优化问题,并通过实际算例说明研究的准确性。(本文来源于《东北石油大学》期刊2017-06-02）
王婷婷[3]（2016）在《面向连续状态的神经网络强化学习研究》一文中研究指出强化学习在人工智能领域包括工业生产、电梯调度、路径规划方面越多的得到运用,可以用来解决随机性或不确定性动态系统最优化这些决策类问题,而这些问题大多是具有连续状态空间的,所以用一般基于值表法的强化学习算法很难解决。而神经网络的有效的泛化能力和抽象能力可以加入到强化学习中,来解决上述问题。本论文基于已有的强化学习算法,用含有资格迹的神经网络来逼近值函数,研究两个新的面向连续状态的神经网络强化学习算法,以增强强化学习面对连续状态空间时的抽象和泛化能力,提高强化学习在未来实际生产生活中的应用能力。主要研究内容如下:面对连续状态空间,研究一种引入资格迹的RBF神经网络强化学习算法。利用RBF网络的泛化性能,来解决连续状态空间下的函数逼近问题,同时通过在神经网络中引入资格迹,使每个节点的输出只影响与其直接相关的权值,并保存影响。即在每次迭代过程中对全部被访问过状态-动作对的函数Q值进行更新。该算法策略在解决经典强化学习面对连续状态所遇到的瓶颈问题的同时,也减少了任务收敛的时间,提高了算法效率。最后在Matlab上模拟小车爬山环境,验证了提出的一种面对连续状态空间下基于神经网络的强化学习算法的有效性。针对上述研究过程中资格迹在神经网络中具有提高权值更新效率的作用,继续研究了强化学习与混合神经网络(ELM网络和BP网络)相结合的算法。算法采用的是Actor Critic架构,运用神经网络所具有的良好的泛化性能来逼近值函数以解决连续状态空间问题。其中BP网络构成动作网络Actor,将状态映射为可能的实际动作,ELM网络构成评价网络Critic,来近似Q值函数,输出评价策略。同时引进滑动时间窗机制和资格迹机制,分别为了降低样本空间大小和加快网络算法权值更新速度。经过训练和学习,该算法策略能够有效和较快速的解决经典强化学习面对连续状态空间所遇到的困难。最后在Matlab上模拟倒立摆的环境,通过四种算法实验的对比图和表对所提出的的学习策略的有效性进行了证明。(本文来源于《中国矿业大学》期刊2016-05-01）
张沈阳[4]（2009）在《基于神经网络的连续刚构桥状态评估研究》一文中研究指出随着世界范围内桥梁事故的发生,世界各国对既有桥梁结构的安全性日益关注,桥梁的评估方法已逐渐成为桥梁工程领域关注的热点问题。本文在总结前人研究成果的基础上,结合预应力混凝土连续刚构桥的特点,利用MATLAB神经网络工具箱,初步编写了预应力混凝土连续刚构桥状态评估程序。主要完成了以下几方面内容:论述了桥梁评估的研究意义,阐述了桥梁评估的基本概念,对现有的桥梁评估方法及桥梁评估系统作了比较详尽的综述和评价,引出本文研究的问题。对人工神经元网络理论进行了综述,重点对神经元网络的BP算法进行了分析,利用人工神经元网络处理非线性复杂关系的优势,将BP网络技术引入到桥梁状态评估中,探讨了利用BP神经元网络理论进行桥梁状态评估的可行性。建立了预应力混凝土连续刚构桥的状态评估模型,提出了其底层指标等级向量的确定方法,以MATLAB7.4为开发平台,利用BP神经网络工具箱,初步开发了预应力混凝土连续刚构桥状态评估程序。通过桥梁状态评估实例,检验了本文建立的预应力混凝土连续刚构桥状态评估系统的应用效果。最后,关于本文进一步工作的方向进行了简要的讨论。(本文来源于《西南交通大学》期刊2009-05-01）
尹树悦,陈东林[5]（2007）在《基于BP神经网络的连续状态并串联系统冗余度优化设计》一文中研究指出提出一种以费用为约束条件的连续状态并串联系统冗余度优化设计模型。用传统的优化算法很难求得该模型目标函数的显性表达式,文中提出用BP(back propagation)神经网络对目标函数进行逼近,得到的近似目标函数是标准sigmoid函数的线性组合。仿真结果表明,该方法可以精确地求得系统的最优冗余度。(本文来源于《机械强度》期刊2007年02期）
王亚赫,张志涌[6]（2007）在《基于离散时间连续状态Hopfield神经网络的盲检测》一文中研究指出利用hopfield神经网络来求解NP难的组合优化问题,从而直接恢复发送信号。为此构造了一个最佳的hopfield权矩阵来尽可能减少网络的平衡点。算法所需数据量少,且不受信道含公零点的约束,可以准确地恢复发送的信号。仿真结果表明:算法收敛速度快,性能明显优于其它经典算法。(本文来源于《山西电子技术》期刊2007年02期）
韩玉兵,吴乐南[7]（2004）在《基于状态连续变化的Hopfield神经网络的图像复原》一文中研究指出针对图像复原提出了神经元状态连续变化的Hopfield神经网络模型,详细讨论了两种连续函数串行、全并 行复原算法的收敛性和参数选择,仿真实验表明,该模型能够精确达到能量极小点,并对复原图像的信噪比有一定的提高。(本文来源于《信号处理》期刊2004年05期）
王晓东,邬纳新,王超,葛芦生[8]（2002）在《连续加热炉运行状态神经网络融合分析》一文中研究指出连续加热炉是一个具有大惯性、纯滞后和分布参数的非线性系统,其温度场分布由温度燃烧控制系统决定,而炉内温度场直接影响被加热钢坯质量、烧损及能耗大小。本文利用加热炉测控系统实时测量数据和炉内钢坯温度预报模型,通过神经网络信息融合方法,对连续加热炉的运行工况进行综合分析,其分析结果对在线优化加热炉运行参数具有重要参考作用。其分析方法对类似的设备和生产线有较普遍的参考价值。(本文来源于《安徽工业大学学报(自然科学版)》期刊2002年04期）
连续状态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：
近年来,随着神经网络的快速发展,其在工程方面的应用也变得越来越多,但在实际的工程应用中,总会不可避免的出现诸如脆弱性、非线性、时滞等问题,此类问题的存在将直接导致只有部分神经元的状态信息可以通过网络输出。由此可见,尽可能准确的估计神经元的状态具有重要的科研价值以及实际意义。本文研究的内容是针对连续神经网络系统进行建模,并且基于Lyapunov稳定性定理,结合线性矩阵不等式(Linear Matrix Inequality,LMI)技术、矩阵分析技术等,讨论系统的稳定性并且对非脆弱性状态估计器设计方法进行验证。首先,针对具有时变时滞的连续神经网络系统,进行系统稳定性分析,并且讨论考虑加性增益变化的非脆弱性状态估计器研究方法。采用LMI方法,获得保证系统渐近稳定和满足其他约束条件的非脆弱性状态估计器存在的充分条件,以及状态估计器的增益,并对研究结果进行分析。其次,建立一类具有加性增益变化和时变时滞的连续神经网络模型,分析系统稳定性并设计非脆弱性状态估计器。定义连续神经网络增广系统和约束条件,选取李雅普诺夫函数并按照其稳定性定理,分析得到系统渐近稳定及状态估计器增益存在的充分条件。此时,非脆弱性状态估计器的设计实现就转化为求解相应LMI的可行解。再次,考虑到时变时滞的神经网络的稳定性和非脆弱性状态估计算法。采用乘性范数有界形式的估计器增益变化,利用Lipschitz条件刻画神经元状态依赖非线性扰动,研究带有非脆弱性的状态估计器。利用Lyapunov稳定性定理、矩阵分析技术、LMI技术、Leibniz-Newton公式,得到非脆弱性状态估计器存在的充分条件,以及标准LMI问题的可行解。最后,研究伴随噪声的连续神经网络系统稳定性和非脆弱性状态估计算法。利用两个不同的函数表示噪声,即系统产生的噪声序列和系统的观测噪声序列。结合上述神经网络模型,设计具有增益变量的非脆弱性状态估计器。通过分析误差动态增广系统的稳定性以及H?性能,得到非脆弱性状态估计器存在并且需要满足的LMI,即将非脆弱性状态估计器设计变换成用标准线性矩阵不等式方法解决凸优化问题,并通过实际算例说明研究的准确性。
（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。
连续状态神经网络论文参考文献
[1].洪礼聪,王卫玉,陈启卷.基于连续小波变换和卷积神经网络的尾水管涡带状态识别[J].广东电力.2018
[2].杨帆.连续神经网络的状态估计问题研究[D].东北石油大学.2017
[3].王婷婷.面向连续状态的神经网络强化学习研究[D].中国矿业大学.2016
[4].张沈阳.基于神经网络的连续刚构桥状态评估研究[D].西南交通大学.2009
[5].尹树悦,陈东林.基于BP神经网络的连续状态并串联系统冗余度优化设计[J].机械强度.2007
[6].王亚赫,张志涌.基于离散时间连续状态Hopfield神经网络的盲检测[J].山西电子技术.2007
[7].韩玉兵,吴乐南.基于状态连续变化的Hopfield神经网络的图像复原[J].信号处理.2004
[8].王晓东,邬纳新,王超,葛芦生.连续加热炉运行状态神经网络融合分析[J].安徽工业大学学报(自然科学版).2002
论文知识图
