欢迎访问学兔兔,学习、交流 分享 !

返回首页 |

神经网络结构优化方法及应用

收藏
  • 大小:6.49 MB
  • 语言:中文版
  • 格式: PDF文档
  • 阅读软件: Adobe Reader
资源简介
神经网络结构优化方法及应用
出版时间:2012年版
内容简介
  《神经网络结构优化方法及应用》作为一种人工智能领域的新技术,具有优越的非线性映射能力。神经网络以其在模式识别、系统建模等方面的卓越性能,已经广泛应用于许多行业,发挥了很好的作用。本书从RBF网络训练算法、结构分解、结构优化、样本选取等几方面入手,分析了提高神经网络泛化能力和收敛速度的途径与实现方法,提出了快速资源优化网络(FRON)算法、基于粗糙集理论的RBF网络剪枝(RS-RBF)算法、基于多Agent系统设计原理的神经网络结构设计算法(MANN方法),并介绍了神经网络在热工过程预测控制以及设备故障诊断中的应用,结合现场运行及实验数据,给出了应用实例。本书的最后还提供了利用MATLAB软件编写神经网络优化算法的实例,具有较高的实用性。《神经网络结构优化方法及应用》可供从事神经网络设计与应用的工程技术人员、研究人员参考,亦可供高等院校相关专业的教师和学生作为教学参考书。
目录
前言
第1章 绪论
1.1 引言
1.2 神经网络及其应用
1.2.1 神经网络的研究及发展
1.2.2 神经网络结构及工作方式
1.2.3 神经网络的学习方法
1.2.4 神经网络的基本功能
1.2.5 神经网络在控制领域的应用
1.2.6 神经网络在故障诊断领域的应用
1.2.7 神经网络及其应用中有待于解决的问题
1.3 其他智能方法
1.3.1 粗糙集理论
1.3.2 Agent系统理论
1.3.3 信息融合技术
1.4 本书主要内容
参考文献
第2章 RBF网络的快速资源优化算法
2.1 引言
2.2 RBF网络
2.2.1 网络结构
2.2.2 网络逼近能力
2.2.3 学习算法
2.2.4 应用
2.2.5 优点及问题
2.3 RBF网络构造算法
2.4 快速资源优化网络(FRON)算法
2.4.1 网络结构
2.4.2 学习算法
2.4.3 算法特点
2.5 算法实现
2.6 仿真及实验研究
2.6.1 Mackey-Glass非线性混沌序列预测
2.6.2 某电厂单元机组负荷系统建模
2.6.3 矿井主通风机健康状态评估
2.6.4 某电厂过热器喷水模型建模
2.7 本章小结
参考文献
神经网络结构优化方法及应用
目录
第3章 基于粗糙集理论的RBF网络剪枝算法
3.1 引言
3.2 神经网络结构优化方法
3.3 粗糙集的基本理论
3.3.1 粗糙集的基本概念
3.3.2 粗糙集理论的特点
3.3.3 粗糙集理论的应用
3.4 基于粗糙集的剪枝算法
3.4.1 算法原理
3.4.2 算法特点
3.5 算法实现
3.6 仿真及实验研究
3.6.1 二维函数逼近
3.6.2 两概念学习
3.6.3 某电厂过热器喷水模型建模
3.6.4 设备状态识别
3.7 本章小结
参考文献
第4章 基于多Agent系统设计原理的神经网络结构设计算法
4.1 引言
4.2 Agent的基本原理
4.2.1 Agent的定义
4.2.2 Agent研究工作的进展
4.3 基于多Agent系统设计原理的任务分配策略
4.3.1 Agent分配的定义
4.3.2 Agent任务分配的决策
4.4 基于多Agent系统设计原理的网络结构设计算法
4.4.1 网络结构
4.4.2 建模Agent系统
4.4.3 决策Agent系统
4.5 基于长短记忆的RBF网络算法
4.5.1 网络结构
4.5.2 学习算法
4.5.3 算法特点
4.6 MANN系统的工作步骤
4.7 仿真及实验研究
4.7.1 嘉兴发电厂主汽温系统建模
4.7.2 嘉兴发电厂协调控制系统建模
4.7.3 设备状态预测
4.8 本章小结
参考文献
第5章 基于神经网络模型的预测控制方法
5.1 引言
5.2 预测控制
5.2.1 概述
5.2.2 模型预测控制的基础理论
5.2.3 基于神经网络的非线性系统预测控制
5.3 基于FRON的预测控制方法
5.3.1 预测控制结构
5.3.2 目标值优化算法
5.3.3 神经网络模型
5.3.4 方法的特点
5.4 在锅炉汽温预测控制中的仿真研究
5.5 本章小结
参考文献
第6章 基于神经网络的多信息融合故障诊断方法
6.1 引言
6.2 改进加权证据理论
6.2.1 D-S证据理论基础
6.2.2 D-S证据理论缺陷
6.2.3 基于先验知识的改进加权证据理论
6.2.4 算例分析
6.3 基于神经网络及加权证据理论的多信息融合故障诊断方法
6.3.1 故障诊断系统结构框架
6.3.2 特征参数提取
6.3.3 故障诊断
6.4 异步电动机故障诊断实验研究
6.5 本章小结
参考文献
后记
下载地址