导读:本文包含了多准则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,准则,平方和,模糊,神经,误差,系统。
多准则神经网络论文文献综述
陈娜,毋江波[1]（2018）在《基于神经网络的多准则决策推荐系统》一文中研究指出针对电子商务中多准则决策协同过滤推荐系统的稀疏性问题,提出了一种基于神经网络的多准则决策协同过滤推荐系统,设计了多个相似性度量混合的机制来缓解稀疏性问题。首先,采用领域本体提取选项的信息,并且提取用户的访问信息;然后,使用模糊理论对用户的评价信息进行建模,解决用户评价的不确定性与复杂性;最终,采用自适应神经模糊推理系统预测选项的总评分与选项各个准则评分之间的关系,设计了基于梯度下降法的凸组合机制,提高了冷启动用户相似性度量的鲁棒性与可靠性,最小化系统的预测误差。实验结果显示本算法有效地缓解了稀疏性问题,并且获得了较高的推荐准确率。(本文来源于《控制工程》期刊2018年05期）
舒桂清,李力,肖平[2]（2007）在《基于多准则的多层模糊神经网络学习算法》一文中研究指出模糊算子函数丢失信息量过大,并且在某些点不存在导数,由此导致在采用传统的误差平方和准则优化网络参数时,有些参数无法得到调整,而且网络容易陷入局部极小,甚至发散.本文提出了一种基于模糊熵准则和误差平方和准则的多准则多层模糊神经网络学习算法,在一定程度上克服了单准则学习算法的局限性.(本文来源于《安徽大学学报(自然科学版)》期刊2007年01期）
徐茂林,于建华,汪元美[3]（2005）在《基于多准则神经网络优化的Compton背散射成像》一文中研究指出详细阐述了基于散射能量谱的行扫描Compton背散射成像原理,将成像方程归结为一个大型非线性方程组,然后用基于多目标优化的神经网络来求出重建问题的解。数据模拟结果表明,所构造的神经网络对Compton背散射多准则成像是可行的,适于处理不适定重建问题。(本文来源于《核技术》期刊2005年01期）
姚敏,沈斌,李明芳[4]（2004）在《基于多准则神经网络与分类回归树的电信行业异动客户识别系统》一文中研究指出以电信行业为应用对象,建立了一种基于多准则神经网络(MCNN)与分类回归树(CART)的的异动客户识别系统.该系统首先用多准则神经网络对客户属性进行约简,然后构造用于识别异动客户的分类回归树.通过对浙江省电信系统的大客户数据的实际验证,结果表明该系统具有较好的鲁棒性和有效性.(本文来源于《系统工程理论与实践》期刊2004年05期）
龙永新,叶秀清,顾伟康[5]（1999）在《多准则图象重建的神经网络模型及实现》一文中研究指出本文提出一种采用Ｈｏｐｆｉｅｌｅ神经网络（Ｈｏｐｆｉｅｌｄ Ｎｅｉｒａｌ Ｎｅｔｗｏｒｋ简称ＨＮＮ）优化的图象重建算法。将图象重建问题转化为ＨＮＮ优化问题，取重建图象的峰值函数最小以及原始投影与再投影之间的误差平方和最小作为图象重建的优化目标，作为能量函数构造连续型ＨＮＮ模型，由ＨＮＮ能量函数极小化可得到重建问题的优化解。这种方法具有简单、计算量小、收敛快、便于并行计算等特点。对照ＡＲＴ算法，用计算机模拟产生的无噪声投影数据检验新算法，验证了新算法的优越性。(本文来源于《信号处理》期刊1999年02期）
胡明星,郭玲香,郭达志[6]（1998）在《湖泊水质富营养化评价的多准则神经网络法》一文中研究指出提出了基于误差平方和准则与模糊熵准则下的多准则神经网络湖泊水质营养化评价模型,并将其应用于我国五大湖泊水质营养化的评价。结果表明,多准则神经网络用于湖泊水质营养化评价,具有简便、实用、客观和广泛的通用性。(本文来源于《上海环境科学》期刊1998年04期）
李斌[7]（1996）在《神经网络在集体决策过程中进行多准则模拟时的应用》一文中研究指出指出，目前在各种研究领域中，对神经网络比较重视。神经网络的优点之一，就是它对外界所给数据概括的适应能力．文中专门阐述了神经网络在模糊不确定性（fuzzyuncedsinty）基础上的多准则条件下，在模拟一些人员决策过程中的应用问题。为此，应用了成单调函数(本文来源于《管理科学文摘》期刊1996年04期）
吕庆喆,盛昭瀚,徐南荣[8]（1994）在《离散多准则决策问题的BP神经网络算法》一文中研究指出本文将BP神经网络用于求解多属性决策问题。与通常使用的方法相比,该算法在许多方面具有较显着的优点,同时为解决多准则决策问题提供了一条新途径。(本文来源于《1994中国控制与决策学术年会论文集》期刊1994-05-01）
汪元美,吕维雪[9]（1992）在《多准则图像重建的神经网络实现》一文中研究指出本文提出一种以多目标优化理论为基础的神经网模型。它在多目标决策理论框架下学习和自适应,并具有鲁棒性、容错能力和快速收敛特性。这一模型应用于多准则图像重建的并行实现。计算机模拟结果表明了它的功效。(本文来源于《通信学报》期刊1992年05期）
多准则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：
模糊算子函数丢失信息量过大,并且在某些点不存在导数,由此导致在采用传统的误差平方和准则优化网络参数时,有些参数无法得到调整,而且网络容易陷入局部极小,甚至发散.本文提出了一种基于模糊熵准则和误差平方和准则的多准则多层模糊神经网络学习算法,在一定程度上克服了单准则学习算法的局限性.
（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。
多准则神经网络论文参考文献
[1].陈娜,毋江波.基于神经网络的多准则决策推荐系统[J].控制工程.2018
[2].舒桂清,李力,肖平.基于多准则的多层模糊神经网络学习算法[J].安徽大学学报(自然科学版).2007
[3].徐茂林,于建华,汪元美.基于多准则神经网络优化的Compton背散射成像[J].核技术.2005
[4].姚敏,沈斌,李明芳.基于多准则神经网络与分类回归树的电信行业异动客户识别系统[J].系统工程理论与实践.2004
[5].龙永新,叶秀清,顾伟康.多准则图象重建的神经网络模型及实现[J].信号处理.1999
[6].胡明星,郭玲香,郭达志.湖泊水质富营养化评价的多准则神经网络法[J].上海环境科学.1998
[7].李斌.神经网络在集体决策过程中进行多准则模拟时的应用[J].管理科学文摘.1996
[8].吕庆喆,盛昭瀚,徐南荣.离散多准则决策问题的BP神经网络算法[C].1994中国控制与决策学术年会论文集.1994
[9].汪元美,吕维雪.多准则图像重建的神经网络实现[J].通信学报.1992
论文知识图
