異因同果關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)的建模與應(yīng)用.pdf

1、本論文在研究了組合神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀的基礎(chǔ)上，結(jié)合實際生產(chǎn)生活中所遇到的問題，提出了一種新型組合神經(jīng)網(wǎng)絡(luò)—異因同果關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)，它可以從不同角度分別建立不同的模型，并由其得到互不相同的模型預(yù)測值。異因同果關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)模型將不同角度建立的模型有機(jī)結(jié)合起來，進(jìn)而能夠?qū)⒍鄠€神經(jīng)網(wǎng)絡(luò)模型的作用進(jìn)行綜合考慮，得到一個綜合的統(tǒng)一的模型預(yù)測結(jié)果。 文中研究了神經(jīng)網(wǎng)絡(luò)集成的原理和發(fā)展現(xiàn)狀，進(jìn)而對組成子網(wǎng)絡(luò)BP網(wǎng)絡(luò)進(jìn)行改進(jìn)和優(yōu)化，并將仿真結(jié)果進(jìn)行

2、比較，同時文中研究了異因同果關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)模型的機(jī)理，結(jié)合實例進(jìn)行仿真并與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型的預(yù)測仿真結(jié)果比較，結(jié)果表明新型模型具有更高的預(yù)測精度。 在提出異因同果關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)后，本文進(jìn)而從以下幾個方面繼續(xù)研究和改進(jìn)新型關(guān)聯(lián)網(wǎng)絡(luò)模型的性能： 1、改進(jìn)單個子網(wǎng)絡(luò)的性能采用應(yīng)用最為廣泛的BP神經(jīng)網(wǎng)絡(luò)作為主要子網(wǎng)絡(luò)，在綜合國內(nèi)外BP網(wǎng)絡(luò)研究現(xiàn)狀的基礎(chǔ)上，分析BP網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)和原始算法，研究其學(xué)習(xí)過程并分析其優(yōu)缺點(diǎn)所在，從啟發(fā)式

3、和加入數(shù)值優(yōu)化技術(shù)兩個方面對BP算法進(jìn)行改進(jìn)，并通過仿真對比說明了各個改進(jìn)算法的性能特點(diǎn)和優(yōu)缺點(diǎn)。 2、組合神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化在研究分析了當(dāng)前神經(jīng)網(wǎng)絡(luò)集成的成果和現(xiàn)狀的基礎(chǔ)上，針對搭建組合神經(jīng)網(wǎng)絡(luò)整體模型當(dāng)中面臨的各個環(huán)節(jié)：分析了樣本選取的原則、樣本個數(shù)的確定、樣本的預(yù)處理等樣本選取優(yōu)化方案；研究了組合神經(jīng)網(wǎng)絡(luò)建模時的個體生成優(yōu)化和輸出合成優(yōu)化方案；說明了神經(jīng)網(wǎng)絡(luò)模型在建立時隱層層數(shù)的確定、隱層節(jié)點(diǎn)數(shù)的確定等網(wǎng)絡(luò)結(jié)構(gòu)方面的優(yōu)化。