导读:本文包含了链结构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,结构,自适应,死区,区段,小脑,飞行器。
链结构神经网络论文文献综述
苏运,刘思怡,张焰[1]（2019）在《基于分层结构神经网络的10kV配电网单相接地故障区段定位方法》一文中研究指出针对10kV配电网单相接地短路故障发生位置难以确定的问题,提出利用配电网中的多源数据,通过构建分层结构神经网络进行故障区段定位的方法。首先提取各种类型10kV配电网的固有特征,在分层结构神经网络的聚类层根据配电网的这些固有特征,利用自组织映射神经网络进行聚类分析,得到不同类别配电网;然后在分层结构神经网络的训练层对各类配电网分别用广义回归神经网络对故障定位条件特征与结果特征进行训练,得到各类配电网的故障定位模型;最后将发生单相接地短路故障的配电网下属各区段故障定位条件特征输入至所对应的故障定位模型中,判断各区段故障情况,实现故障定位。实际算例分析表明,所提出的方法能快速、准确地找出10kV配电网单相接地故障发生的区段,且具有较好的容错性。(本文来源于《水电能源科学》期刊2019年11期）
闻辉[2]（2018）在《核自适应学习的RBF混合结构神经网络分类器研究》一文中研究指出分类是人类活动中最常见的决策任务之一。当前,用于分类的神经网络算法及模型已经广泛应用于科学、工业和医学等不同领域中。尽管各种神经网络算法及模型已经取得了较大发展,但由于算法及模型的差异性,以及不同的非线性问题所呈现出的多样性和复杂性,传统的神经网络分类器在某些复杂问题上其网络性能往往有限。典型的深度学习中的卷积神经网络,在网络结构上增加多个不同类型的隐藏层,可以实现对复杂问题的分类处理。一般的做法是先将输入样本经过卷积核的映射,其输出经过一系列的处理后,再与多层感知器(MLP)相级联,然后利用反向传播(BP)算法实现各层权值的更新。然而,将径向基核函数(RBF)与BP网络相级联处理,当前还没有很好地研究。针对有监督分类问题,本文以构造优化的神经网络分类器和相匹配的学习算法为实现目标,主要围绕RBF网络结构及核参数的优化选取、RBF混合结构神经网络分类器设计以及核整体划分思想的分类方法这几项内容展开,以完成不同非线性问题的优化分类。在研究过程中,取得了以下研究成果:1.提出一种前置核的RBF-BP混合结构神经网络。将RBF网络结构与BP网络结构进行级联调整,其中原有的RBF网络隐藏层的输出进行一定处理后与BP网络的隐藏层相级联。在该网络分类器当中,RBF网络用于实现原始样本的局部化核映射,BP网络用于非线性分类。通过这种方式,可以将RBF网络的局部非线性映射能力与BP网络的全局非线性分类能力相结合。实验结果表明,本文所提网络结构可以改善单一的RBF网络及BP网络的分类性能,同时降低了对RBF网络及BP网络隐节点参数选择的依赖。2.提出一种核数自适应学习的RBF-BP混合结构神经网络分类器。充分利用了每类训练样本的空间分布信息,通过引入势函数密度聚类的方式来度量样本空间不同区域的稀疏程度,从而建立相应的RBF隐节点完成对样本空间不同区域的覆盖,可以根据样本空间的分布情况自动增量构建RBF网络隐节点。实验结果表明,该方法可以实现对前置核RBF-BP神经网络分类器中RBF网络隐节点个数及中心的自动估计,并具有较好的分类性能。3.提出一种异类斥力核优化的RBF-BP混合结构神经网络分类器。在所提势函数密度聚类生成初始RBF网络隐节点的基础上,进一步将每个RBF网络隐节点所覆盖区域的邻域信息考虑进来,设计了面向中心的异类样本排斥力模型,完成对RBF网络部分隐节点中心、核宽以及隐节点个数的优化调整,并最终建立起整个网络模型的优化学习算法。理论上分析并证明了样本经过核结构自适应RBF网络后,其可分性增强的量化条件,阐明了核结构自适应RBF网络的优越性。实验结果表明,该方法具有良好的分类能力,尤其当样本空间维数较低且训练样本个数充分的基础上,该方法表现出特有的优势。4.提出一种核整体划分思想的RBF-BP混合结构神经网络分类器。该方法以RBF核作为整体的训练学习目标,从机理上阐述了核整体学习划分的优点。设计了RBF子核内部样本生成及优化筛选机制,以实现对RBF子核整体划分思想的逼近。在生成合适的样本集规模的基础上,再利用已有的网络分类器进行训练分类。实验表明,该方法可以有效改善训练样本集规模较小或维数过高导致的样本空间分布稀疏问题,提高了网络分类器的鲁棒性和泛化能力。5.提出一种核结构自适应的RBF-ELM混合神经网络分类器。该方法是对核自适应RBF混合结构神经网络分类器的推广。通过将异类斥力核优化的RBF网络与ELM网络相级联,其中异类斥力核优化的RBF网络用于实现样本空间不同区域的局部化核映射,ELM网络用于RBF核映射后样本的非线性分类,由此构成一种结构互补的优化网络模型。给出了核结构自适应的RBF-ELM混合神经网络分类器算法步骤。对异类斥力核优化的RBF网络可分性增强的量化条件进行了实验验证。多个数据集上的实验表明,该方法可以明显改善ELM网络的分类性能。(本文来源于《深圳大学》期刊2018-06-30）
黄小琴,陈力[3]（2016）在《考虑未知死区的双杆柔性空间机械臂基于混合轨迹的积分变结构神经网络控制》一文中研究指出随着人类对太空领域探索的不断深入,空间机械臂作为航天领域的关键技术,发挥着愈来愈重要的作用,因此其系统动力学与控制问题的研究受到密切关注[1-2]。出于减轻发射重量以节约费用的需要,轻质细长杆成为空间机械臂杆件的最好选择,这就不能忽视杆件柔性对运动精度的影响[3-4]。双杆柔性空间机械臂系统存在刚性运动与柔性振动之间的耦合,而且每个柔性杆的柔性振动之间也存在耦合。为了实现高精度的轨迹跟踪,不但需要解决动力学耦合作用产生的干扰问题,而且必须主动抑制柔性杆产生的振动。同时,以往的空间机器人控制往往没有考虑死区的影响,而死区非线性会造成系统的输出误差,产生极限环振荡,降低性能甚至变得不稳定。因此死区一直是高精度传动控制领域的主要研究对象之一[5-6]。研究了载体位置不控、姿态受控的漂浮基双杆柔性空间机械臂在带有未知死区和外部干扰情况下的轨迹跟踪及柔性抑振问题。引入积分型的切换函数以减少外部扰动引起的稳态误差,利用径向基函数神经网络的逼近能力,提出了刚性运动的积分变结构神经网络的控制器,该方法在不要求最优逼近误差上确界已知的条件下,可以克服未知死区和外部扰动的影响,以完成双杆柔性空间机械臂载体姿态及机械臂关节铰的协调运动。为了主动抑制柔性振动,运用虚拟控制力的概念,设计了同时反映柔性模态和刚性运动轨迹的混合轨迹,提出了基于混合轨迹的控制方案。设计方案不但保证了之前刚性运动控制方案的鲁棒性,而且能主动抑制柔性振动,从而提高了轨迹跟踪性能。仿真算例证实了所提方案的有效性。(本文来源于《第二届可展开空间结构学术会议摘要集》期刊2016-10-23）
金俊尉,楼佩煌,钱晓明,武星[4]（2016）在《机床横梁结构神经网络与算法优化研究》一文中研究指出通过正交试验法确定网络训练样本,在MATLAB中利用神经网络对有限元分析得出的样本数据建立了激光切割机横梁结构设计参数与各输出参数的非线性全局映射,利用模糊解法得到多目标优化模型的目标函数,并通过遗传算法对激光切割机横梁进行结构优化。仿真结果表明,采用基于神经网络和遗传算法,并与模糊解法相结合的多目标优化技术,可实现激光切割机横梁结构设计的优化,使得横梁的质量和刚度得到改善。(本文来源于《机械科学与技术》期刊2016年09期）
王荣平[5]（2016）在《基于变结构神经网络的铁合金加工温度控制算法》一文中研究指出通过对铁合金加工的温度有效控制,保障加工过程的温度和火候,提高加工精度,提出一种基于变结构神经网络的铁合金加工温度控制算法。仿真结果表明,采用该算法进行铁合金加工温度控制,温度控制输出的目标值与预测值具有较好的匹配性,温度控制精度较高,自适应性能较好。(本文来源于《世界有色金属》期刊2016年02期）
魏瑾[6]（2013）在《基于谱相关和分层结构神经网络的数字调制识别》一文中研究指出本文提出了一种基于接收信号的谱相关函数和参数统计方法,提取出可用于数字调制信号识别的统计参数,该特征有效地抑制了高斯白噪声的影响,能实现对2ASK、4ASK、2FSK、4FSK、4PSK、8PSK等六种数字调制信号的识别。分类器采用了分层结构的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方面都有很大改进。仿真结果表明,在信噪比大于5dB时,系统的正确识别率可达95%以上。(本文来源于《安徽电子信息职业技术学院学报》期刊2013年03期）
吕强,王冬来,王树良[7]（2012）在《基于变结构神经网络的L_1自适应控制》一文中研究指出针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题,提出了一种变结构神经网络L1自适应控制方法,其中变结构神经网络用于在线辨识系统存在的未知非线性函数,该网络通过对节点进行唤醒与催眠以动态调节结构,以最少的节点数进行有效的逼近,降低计算复杂度;L1自适应控制用于网络权值学习与系统非线性补偿,反馈回路中设有一个低通滤波器,只要满足L1增益条件,就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真,验证了该方法的有效性。(本文来源于《装甲兵工程学院学报》期刊2012年04期）
王志明,张丽,包宏[8]（2011）在《基于混合结构神经网络的自适应背景模型》一文中研究指出本文提出一种基于神经网络的视频中运动目标检测自适应背景模型.对每个像素点(或局部区域)建立一个混合结构的神经网络背景模型,模型由一个4层前馈神经网络组成,输入层接受像素HSV特征,特征层实现特征提取功能,模式层以概率神经网络的方式完成像素属于背景概率的计算,输出层以赢者取胜的方式完成前景背景分类和模式层激活节点选择功能.网络的权值和结构随着视频中运动检测过程动态更新,无需独立的训练视频.网络的自适应性表现在网络的学习速率根据相邻帧运动差异自适应计算得到,且网络中的模式节点个数根据权重的变化动态增加或删除.实验结果表明,本文提出的方法在无需手工设置学习速率的情况下,运动区域检测准确率优于其他几种常见的运动检测背景模型,对背景或灯光的突然变化适应速度很快.(本文来源于《电子学报》期刊2011年05期）
付钰,吴晓平,宋业新[9]（2011）在《模糊推理与多重结构神经网络在信息系统安全风险评估中的应用》一文中研究指出针对信息系统安全风险评估中风险因素的模糊不确定性及风险因素间的潜在关联性,提出了一种结合模糊理论与神经网络的评估方法。利用模糊聚类的方法将因素的评价集分为5类,运用叁角模糊数对评价集语言变量进行模糊化处理;基于历史经验,借助模糊神经网络强大的自适应能力与非线性映射能力,对信息系统进行安全风险评估,有效降低了评估的随机性和不确定性。通过实例说明了该算法的应用,并借助误差分析检测了模型的有效性。(本文来源于《海军工程大学学报》期刊2011年01期）
曹莹[10]（2010）在《挠性卫星姿态机动变结构神经网络控制方法研究》一文中研究指出卫星姿态控制系统是一个耦合的不确定非线性系统。在轨运行的卫星不可避免地受到模型参数不确定性和各种干扰力矩的影响,这些不确定性的存在使挠性卫星大角度姿态机动的控制问题进一步复杂化。因此,为了完成姿态控制任务,需要所设计的控制律具有较高的鲁棒性。本文就是在这种背景下,从理论和应用两个方面对卫星姿态控制系统的控制算法进行了深入的研究。主要完成了以下几个方面的工作:首先,滑模控制有很多优点,如鲁棒性好、计算量小、实时性好、响应速度快等。因此,用滑模控制方法来控制挠性卫星姿态,用饱和函数代替符号函数来消除抖振现象。其次,用滑模变结构进行挠性卫星姿态机动控制,用神经网络补偿不确定性,提高系统鲁棒性。采用传统的小脑神经网络来逼近不确定性,此网络不容易产生局部极小现象。针对传统小脑神经网络实时性差,泛化能力不够好的缺点,研究了高斯基函数的小脑神经网络,运用高斯基函数代替了传统小脑神经网络量化的0或者1。针对高斯基函数小脑神经网络计算量大,应用不方便,研究了基于超立方体子空间的快速学习算法,大大提高了网络的学习速度。以上的网络都需要知道输入的具体范围,这样对网络的应用有一定的限制,自组织小脑神经网络不需要知道输入范围,可根据输入值自动更新节点数和权值。这样对于挠性卫星姿态控制系统参数的变化能通过设计来满足精度要求。(本文来源于《哈尔滨工业大学》期刊2010-07-01）
链结构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：
分类是人类活动中最常见的决策任务之一。当前,用于分类的神经网络算法及模型已经广泛应用于科学、工业和医学等不同领域中。尽管各种神经网络算法及模型已经取得了较大发展,但由于算法及模型的差异性,以及不同的非线性问题所呈现出的多样性和复杂性,传统的神经网络分类器在某些复杂问题上其网络性能往往有限。典型的深度学习中的卷积神经网络,在网络结构上增加多个不同类型的隐藏层,可以实现对复杂问题的分类处理。一般的做法是先将输入样本经过卷积核的映射,其输出经过一系列的处理后,再与多层感知器(MLP)相级联,然后利用反向传播(BP)算法实现各层权值的更新。然而,将径向基核函数(RBF)与BP网络相级联处理,当前还没有很好地研究。针对有监督分类问题,本文以构造优化的神经网络分类器和相匹配的学习算法为实现目标,主要围绕RBF网络结构及核参数的优化选取、RBF混合结构神经网络分类器设计以及核整体划分思想的分类方法这几项内容展开,以完成不同非线性问题的优化分类。在研究过程中,取得了以下研究成果:1.提出一种前置核的RBF-BP混合结构神经网络。将RBF网络结构与BP网络结构进行级联调整,其中原有的RBF网络隐藏层的输出进行一定处理后与BP网络的隐藏层相级联。在该网络分类器当中,RBF网络用于实现原始样本的局部化核映射,BP网络用于非线性分类。通过这种方式,可以将RBF网络的局部非线性映射能力与BP网络的全局非线性分类能力相结合。实验结果表明,本文所提网络结构可以改善单一的RBF网络及BP网络的分类性能,同时降低了对RBF网络及BP网络隐节点参数选择的依赖。2.提出一种核数自适应学习的RBF-BP混合结构神经网络分类器。充分利用了每类训练样本的空间分布信息,通过引入势函数密度聚类的方式来度量样本空间不同区域的稀疏程度,从而建立相应的RBF隐节点完成对样本空间不同区域的覆盖,可以根据样本空间的分布情况自动增量构建RBF网络隐节点。实验结果表明,该方法可以实现对前置核RBF-BP神经网络分类器中RBF网络隐节点个数及中心的自动估计,并具有较好的分类性能。3.提出一种异类斥力核优化的RBF-BP混合结构神经网络分类器。在所提势函数密度聚类生成初始RBF网络隐节点的基础上,进一步将每个RBF网络隐节点所覆盖区域的邻域信息考虑进来,设计了面向中心的异类样本排斥力模型,完成对RBF网络部分隐节点中心、核宽以及隐节点个数的优化调整,并最终建立起整个网络模型的优化学习算法。理论上分析并证明了样本经过核结构自适应RBF网络后,其可分性增强的量化条件,阐明了核结构自适应RBF网络的优越性。实验结果表明,该方法具有良好的分类能力,尤其当样本空间维数较低且训练样本个数充分的基础上,该方法表现出特有的优势。4.提出一种核整体划分思想的RBF-BP混合结构神经网络分类器。该方法以RBF核作为整体的训练学习目标,从机理上阐述了核整体学习划分的优点。设计了RBF子核内部样本生成及优化筛选机制,以实现对RBF子核整体划分思想的逼近。在生成合适的样本集规模的基础上,再利用已有的网络分类器进行训练分类。实验表明,该方法可以有效改善训练样本集规模较小或维数过高导致的样本空间分布稀疏问题,提高了网络分类器的鲁棒性和泛化能力。5.提出一种核结构自适应的RBF-ELM混合神经网络分类器。该方法是对核自适应RBF混合结构神经网络分类器的推广。通过将异类斥力核优化的RBF网络与ELM网络相级联,其中异类斥力核优化的RBF网络用于实现样本空间不同区域的局部化核映射,ELM网络用于RBF核映射后样本的非线性分类,由此构成一种结构互补的优化网络模型。给出了核结构自适应的RBF-ELM混合神经网络分类器算法步骤。对异类斥力核优化的RBF网络可分性增强的量化条件进行了实验验证。多个数据集上的实验表明,该方法可以明显改善ELM网络的分类性能。
（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。
链结构神经网络论文参考文献
[1].苏运,刘思怡,张焰.基于分层结构神经网络的10kV配电网单相接地故障区段定位方法[J].水电能源科学.2019
[2].闻辉.核自适应学习的RBF混合结构神经网络分类器研究[D].深圳大学.2018
[3].黄小琴,陈力.考虑未知死区的双杆柔性空间机械臂基于混合轨迹的积分变结构神经网络控制[C].第二届可展开空间结构学术会议摘要集.2016
[4].金俊尉,楼佩煌,钱晓明,武星.机床横梁结构神经网络与算法优化研究[J].机械科学与技术.2016
[5].王荣平.基于变结构神经网络的铁合金加工温度控制算法[J].世界有色金属.2016
[6].魏瑾.基于谱相关和分层结构神经网络的数字调制识别[J].安徽电子信息职业技术学院学报.2013
[7].吕强,王冬来,王树良.基于变结构神经网络的L_1自适应控制[J].装甲兵工程学院学报.2012
[8].王志明,张丽,包宏.基于混合结构神经网络的自适应背景模型[J].电子学报.2011
[9].付钰,吴晓平,宋业新.模糊推理与多重结构神经网络在信息系统安全风险评估中的应用[J].海军工程大学学报.2011
[10].曹莹.挠性卫星姿态机动变结构神经网络控制方法研究[D].哈尔滨工业大学.2010
论文知识图
