文摘
英文文摘
学位论文数据集
第一章 绪论
1.1 分层混合专家建模的研究及意义
1.2 分层混合专家网络的发展与现状
1.3 委员会机器模型介绍
1.3.1 静态委员会机器模型
1.3.2 动态委员会机器模型
1.4 单模块神经元网络的发展和现状
1.5 论文内容及章节安排
第二章 分层混合专家和统计学基础理论
2.1 神经网络理论基础
2.1.1 神经网络介绍
2.1.2 神经网络构成的基本原理
2.1.3 神经网络的优点
2.1.4 神经网络的应用领域
2.2 分层混合专家理论基础
2.2.1 分层混合专家介绍
2.2.2 分层混合专家构成的基本原理
2.3 聚类分析理论
2.3.1 聚类分析
2.3.2 聚类分析的类别和方法
2.4 判别分析理论
2.4.1 判别分析
2.4.2 距离判别法
2.4.3 判别准则
第三章 二阶网络应用研究与算法改进
3.1 多层二阶神经网络
3.1.1 二阶网络模型
3.1.2 改进学习算法及其在二阶网络中的应用
3.2 权值初始化
3.2.1 权值初始化分析
3.2.2 初始权值选择方法
3.3 仿真实验
3.3.1 实验背景
3.3.2 实验结果与分析
3.4 小结
第四章 基于二阶网络和判别分析建立新型HME物理模型
4.1 分而治之思想与HME网络
4.1.1 分而治之
4.1.2 HME神经元网络
4.2 模块化门网结构设计
4.2.1 模块化设计的优卢
4.2.2 判别分析与欧氏距离
4.2.3 门网结构设计
4.3 新型分层混合专家模型建立
4.3.1 模块分析
4.3.2 NHME模型建立和算法推导
4.4 实验仿真
4.4.1 NHME和普通HME模型性能比较
4.4.2 HME和二阶网络性能比较
4.4.3 NHME仿真实验
4.5 小结
第五章新型分层混合专家算法与程序设计
5.1分步训练
5.2 交叉划分输入空间
5.3 数据处理
5.4 激活函数选择
5.5 负数概率
5.5.1 负数概率和负数概率模型
5.5.2 负数概率的物理意义
5.6 程序设计
5.6.1 NHME主程序设计
5.6.2 NHME二阶网络专家程序设计
5.6.3 NHME门网程序设计
5.7 实验仿真
5.7.1 负数概率和改进方法对NHME模型的影响
5.7.2 NHME模型综合仿真实验
5.8 小结
第六章 结论与展望
6.1 工作总结
6.1.1 课题改进和创新点简述
6.1.2 工作内容总结
6.2 研究展望
参考文献
致谢
研究成果及发表的学术论文
作者及导师简介
北京化工大学 硕士研究生学位论文答辩委员会决议书