导读:本文包含了多层前馈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,算法,敏感度,学习机,图像,自动机,结构。
多层前馈神经网络论文文献综述写法
李娜,刘冰,王伟[1]（2019）在《基于单隐层前馈神经网络的优化算法》一文中研究指出前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN结构的全局最优解。然而,使用GAs来训练SFNN是相当费时。提出了一种新的SFNN优化算法。该方法是基于凸组合算法(convex combination algorithm,CCA)在隐含层上分析信息数据。事实上,该技术是将分类遗传演算法结合交叉策略的GAs算法。改进方法比GAs算法性能更优,但在进行学习和遗传演算前需要大量预处理工作如将数据分解为二进制代码。同时设置一个新的误差函数量化SFNN性能、获得连接权值最优选项以直接解决非线性优化问题。采用几个计算实验验证改进算法,结果表明改进方法更适合寻找单隐含层SFNN的最优权重。(本文来源于《科学技术与工程》期刊2019年01期）
蒋东荣,陈冠霖,贾勇,向洪伟,王培懿[2]（2018）在《基于元胞自动机与多层前馈神经网络的电力信息物理融合系统安全评估模型》一文中研究指出电力信息系统故障可能引起物理系统运行安全问题,因此有必要对信息安全故障跨空间传播行为进行建模分析。根据电力信息系统故障传播机制,统一将智能监控设备与通信网络节点的状态量抽象为数据节点。在此基础上,通过分析数据节点状态变化与转移的量化关系,建立了基于元胞自动机与多层前馈神经网络的数据节点安全评估模型。利用多层前馈神经网络挖掘元胞自动机的演化规则,并计算得出数据节点故障跨空间随机传播概率。最后,以3机9节点系统为例,通过仿真验证了评估模型的有效性,为研究电力信息物理融合系统安全评估提供了新思路。(本文来源于《重庆理工大学学报(自然科学)》期刊2018年03期）
杜鸿,杨毅[3]（2017）在《基于单隐层前馈神经网络的合金裂纹诊断技术》一文中研究指出给出一种基于单隐层前馈神经网络的合金裂纹诊断技术。首先,建立一个具有单隐层结构的输入输出模型来表示合金裂纹增长过程。然后,利用超限学习机对网络进行训练,即在合适的范围内随机给定网络的内权,对外权则通过最小二乘法来进行全局优化,从而实现对合金裂纹增长的诊断和预测。(本文来源于《丽水学院学报》期刊2017年05期）
邓维[4]（2017）在《基于单隐层前馈神经网络极限算法的高速公路工程投资估算模型研究》一文中研究指出本文首先分析选题背景和意义,梳理国内外研究现状,针对我国目前高速公路项目工程投资估算的现状,找出当前高速公路投资估算存在的问题;详细介绍了高速公路方面的投资定义以及相关的投资估算理论,并对比了已有投资估算方法的优缺点;同时,从工程项目的投资结构、主要特征、有关文献记载等叁个方面,利用灰色理论深入分析高速公路项目投资预算特征参数,建立了投资估算工程特征参数体系;将灰色关联分析法与单隐层前馈神经网络极限算法结合起来,通过对影响高速公路投资因素的全面考虑,建立相关模型,将7个工程特征参数引入高速公路概念,并将其定义为模型的自变量,基于最小二乘原理,直接将误差确定在允许范围内,各种参数不需反复地多次训练求得,最后快速估算出拟建高速公路工程的投资,利用实际数据对此算法进行科学验证,以突出其良好的应用灵活性与适应性,更加直观的反映研究结论,因此该模型具有很强的理论和现实意义;与其他网络估算方法相比,单隐层前馈神经网络极限算法更能符合高速公路建设项目的要求,其预算准确度与广泛应用性较强,在估算流程与速度方面具有明显的优势。利用单隐层前馈神经网络极限算法在计算速度方面的优越性质,给高速公路投资估算提供了一种新的估算方法,具有重要的创新意义。但是,文中亦存在一定的不足。在资料的收集方面,由于应用单隐层前馈神经网络的算法的研究比较少,参考资料不多,这给研究带来一定的难度,可能收集的资料不够全面;经过大量的实践证明,工程特征对其投资的总值具有一定的影响作用,然而在实际预算过程中,难免会遗漏一些影响因素,进而产生误差;在实践证明过程中,与高速公路项目有关的资料、数据、文献、概况等信息(竣工项目、待建项目)是必不可少的,这就加重了信息收集的工作量。所以,获得的案例信息覆盖的地区可能不够广。(本文来源于《江西理工大学》期刊2017-02-15）
陈晓卿,苗苗,张颂[5]（2016）在《叁层前馈人工神经网络研究》一文中研究指出人工神经网络的应用越来越广泛,在分析了神经网络的特点和应用趋势的基础上,针对有反馈的神经网络设计,对系统原理进行了简要介绍,利用计算机工具对叁层神经网络进行了设计及仿真,仿真结果表明人工神经网络具有非线性自适应的信息处理能力,当隐含层的神经元激活函数采用S形函数,而且隐含层的神经元个数足够多时,通过调整网络的加权系数和阈值,该网络可以逼近任意的非线性函数,但网络结构的确定以及训练样本的取得仍然是建立神经网络的关键。(本文来源于《计算机与网络》期刊2016年23期）
张天伦[6]（2016）在《多隐层前馈神经网络的随机赋权训练算法研究》一文中研究指出智能软件系统已成为软件工程领域最重要的研发对象之一。无论是学术界还是工业界,都对能使软件智能化的算法产生了浓厚的兴趣。其中,与模式分类有关的算法更是得到了业内的广泛关注,通过对分类算法的研究、优化与创新,使得软件智能化的水平得到了显着的提高。最近几年,人工神经网络在理论上和应用上的突破都引人瞩目,尤其是深层神经网络的优越性正逐渐被人们所认可,国内外很多学者都致力于深层神经网络的研究工作,并提出了大量的优秀算法。深层神经网络模型的种类很多,根据训练算法来分,其中有两类,第一类是基于贪婪算法的逐层预训练的深层神经网络模型;第二种是通过随机赋权方法来构造的深层神经网络模型。本文第一部分的工作主要研究了两类深层神经网络模型中具有代表性的两个模型。其中,基于受限玻尔兹曼机逐层预训练的方法是深度学习的主要方法之一,该方法通过借助物理能量模型来对网络中每一层的参数进行预训练,之后逐层迭加成深度置信网络,通过在最后一层加上softmax层输出网络的分类结果,然后进行网络精调,本文以这个方法为基础,结合广义逆的知识对该方法进行了简化的工作,并进行比较研究;另外,用基于极速学习机的原理来训练得到的深层网络是典型的深层随机赋权网络,该类型的网络以效率着称,并在工业界得到了广泛的应用。本文第二部分的主要工作是对分类器集成方法的研究,并且利用分类器集成的方法将深层神经网络模型进行集成,并将这种方法与深度学习、深度随机赋权网络进行了比较研究。在本文的实验部分,为了使得对比分析结果具有客观性,本文选取了多个不同领域的分类数据集,并且涵盖了数值型和符号型两类数据集,本文通过对深层神经网络、浅层神经网络和本文方法在测试精度、训练时间以及模型的拟合程度等多个方面进行比较研究,得出了一些具有一定参考价值的结论。(本文来源于《河北大学》期刊2016-06-01）
明勇,王华军[7]（2015）在《模糊隶属度融合多层前馈神经网络的CBIR方法》一文中研究指出针对大多数现有基于内容的图像检索方法的性能很大程度上依赖分类器的问题,提出了一种基于模糊隶属度融合神经网络的CBIR方法;首先,利用离散小波变换进行特征提取;然后,使用神经网络计算查询图像的类标签和模糊类隶属度;最后,利用简单与加权距离度量的组合在完整搜索空间中进行检索;在3个纹理类数目、方向和复杂度都不同的数据库上进行实验验证了所提方法的有效性,实验结果表明,相比其他几种较新的纹理图像检索方法,所提方法取得了更好的检索性能。(本文来源于《计算机测量与控制》期刊2015年03期）
戴珂,张少仲,蒋波,白英,王小妹[8]（2014）在《基于多层前馈神经网络SPDS算法的地质数据非线性分析问题研究》一文中研究指出多层前馈神经网络善于解决非线性分析问题,但对于复杂的地质数据,普通的训练算法难以收敛。首先介绍了SPDS算法,并把它用于解决地质数据的非线性分析问题。算法的仿真实验表明,用SPDS算法训练的多层前馈神经网络,比较好地解决了该问题。(本文来源于《计算机工程与科学》期刊2014年08期）
哈明光[9]（2014）在《单隐含层前馈神经网络结构选择研究》一文中研究指出神经网络是功能强大的数据建模工具，已成功应用于求解分类问题和回归问题。结构选择是神经网络研究的热点之一，针对具体问题，选择合适的网络结构对提高网络训练的速度、增强网络的泛化能力至关重要。本文研究了单隐含层前馈神经网络的结构选择问题，提出了两种网络结构选择方法。在第一种方法中，定义了隐含层结点的敏感度概念，并用敏感度度量结点的重要性。该方法从一个隐含层结点个数较多的网络开始，首先利用结点敏感度度量隐含层结点的重要性，然后按重要性对隐含层结点由大到小排序，最后逐个剪去不重要的隐含层结点，直到满足预定义的停止条件。第二种方法和第一种方法类似，用互信息度量隐含层结点和决策属性之间的相关性，将相关性小的隐含层结点逐个剪掉。本文提出的方法不需要重复训练神经网络，得到的网络结构紧凑，具有较高的泛化能力。实验结果显示本文提出的算法是行之有效的。(本文来源于《河北大学》期刊2014-05-01）
翟俊海,哈明光,邵庆言,王熙照[10]（2014）在《基于结点敏感度的单隐含层前馈神经网络结构选择》一文中研究指出提出了一种基于结点敏感度的单隐含层前馈神经网络结构选择方法。该方法从一个隐含层结点个数较多的网络开始,首先利用结点敏感度度量隐含层结点的重要性,然后按重要性对隐含层结点由大到小排序,最后逐个剪去不重要的隐含层结点,直到满足预定义的停止条件。该算法的特点是不需要重复训练神经网络,得到的网络结构紧凑,具有较高的泛化能力。在实际数据集和UCI数据集上的实验结果显示,提出的算法是行之有效的。(本文来源于《计算机科学》期刊2014年02期）
多层前馈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：
电力信息系统故障可能引起物理系统运行安全问题,因此有必要对信息安全故障跨空间传播行为进行建模分析。根据电力信息系统故障传播机制,统一将智能监控设备与通信网络节点的状态量抽象为数据节点。在此基础上,通过分析数据节点状态变化与转移的量化关系,建立了基于元胞自动机与多层前馈神经网络的数据节点安全评估模型。利用多层前馈神经网络挖掘元胞自动机的演化规则,并计算得出数据节点故障跨空间随机传播概率。最后,以3机9节点系统为例,通过仿真验证了评估模型的有效性,为研究电力信息物理融合系统安全评估提供了新思路。
（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。
多层前馈神经网络论文参考文献
[1].李娜,刘冰,王伟.基于单隐层前馈神经网络的优化算法[J].科学技术与工程.2019
[2].蒋东荣,陈冠霖,贾勇,向洪伟,王培懿.基于元胞自动机与多层前馈神经网络的电力信息物理融合系统安全评估模型[J].重庆理工大学学报(自然科学).2018
[3].杜鸿,杨毅.基于单隐层前馈神经网络的合金裂纹诊断技术[J].丽水学院学报.2017
[4].邓维.基于单隐层前馈神经网络极限算法的高速公路工程投资估算模型研究[D].江西理工大学.2017
[5].陈晓卿,苗苗,张颂.叁层前馈人工神经网络研究[J].计算机与网络.2016
[6].张天伦.多隐层前馈神经网络的随机赋权训练算法研究[D].河北大学.2016
[7].明勇,王华军.模糊隶属度融合多层前馈神经网络的CBIR方法[J].计算机测量与控制.2015
[8].戴珂,张少仲,蒋波,白英,王小妹.基于多层前馈神经网络SPDS算法的地质数据非线性分析问题研究[J].计算机工程与科学.2014
[9].哈明光.单隐含层前馈神经网络结构选择研究[D].河北大学.2014
[10].翟俊海,哈明光,邵庆言,王熙照.基于结点敏感度的单隐含层前馈神经网络结构选择[J].计算机科学.2014