神经网络结构优化方法及应用

《神经网络结构优化方法及应用》 是2012年8月出来自版的图书，作者是韩丽。

• 书名 神经网络结构优化方法及应用
• 作者 韩丽
• 出版时间 2012年8月
• 页数 126 页
• 定价 28 元

内容简介

　　《神经网络结构优化方法及应用》从RBF网络训练算法、结构分解、结构优化、样本选取等几方面人手，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算法、基于粗糙集理论的RBF网络剪枝算法、基静型字剧判己他粮于多Agent系介景处单伯统设计原理的神经网络结构设计算法，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，给出了应用实例来自。

图书目录

　　前言

　特　第1章绪论1

　　1.1引言1

　　1.2神经网络及其应用2

　　1.2.1神经网络的研究及发展2

　　1.2.2神经网络结构及工作方式3

　　1.2.3经网络的学习方法4

　　1.2.4神经网络的基本功能5

　　1.2.5神经网络在控制领域的应用6

　　1.2.6神经网络在故障诊断领域的应用11

360百科　　1.2.7神经网络及限衡宽则其应用中有待于解决的问题12

　　1.3他智能方法13

　　1.3.1粗糙集理论13

　　1.3.2Agent系统理论13

　　1.3.3信息融合技术14

　　1.4本书主要内容15

　　参考文献16

　　第2章RBF网络的快速资源优化算法素请压述告井离等压22

　　2.1引言22

　　2.作战府报天素2RBF网络22

　　2.2.1网络结构22

　　2.2.2网络逼近能力23

　　2.2.3学习算法23

　　何级2.2.4应用25

　　2.2.5优点及问题26

　　2.3RBF网络构造算法26

　　2.4快速资源优化网络(FRON)算法27

　　2.4.1网络结构27

　　2.4.2学习算法28

　　2.4.3算法特点30

　　2.5算法实现30

　　2.6仿真及实验研究31

　　2.6.1Mackey-Glass非线性混沌序列预测31

　　2.6.2某电厂单元机组负荷系统建模32

　　2.6.3矿井主通风机健康状态评估34

　　2.6.4某电厂过热器喷水模型建模38

　　2.7本章小结44

　　参考文献45

　　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48

　　3.1引言48

　　3.2神经网络结构优化血灯财方方法48

　　3.3粗糙集的基本理论50

　　3.3.1粗糙集的基本概念51

　　3.3.2粗糙集理论的特点55

　　3.3.3粗糙集理论的应用55

　　3.4基于粗糙集的剪枝算法56

　　3.4.1算法原理57

　　3.4.2算法特点59

　　3.5算法实现60

　　3.6仿真及实验研究6钟顶般女1

　　3.6.1二维函数逼近61

　　3.6.2两概念学习62

　　3.6.3某电厂过热器喷水模型建模64

　　3.6.4设备台问养司克喜引普望换状态识别66

　　3.7本章小结66

　　参考文献67

　　第4章基于多Agent系统设计原理的神经网络结构设计算法70

　　4.1引言70

　　4.2Agent的基本原理70

　　4.2.1Agent的定义70

　　4.2.2Agent研究工作的进展71

　　者规容章各并唱4.3基于多Agent系统设计原理的任务分配策略71

　　4.3.1Agent分配的定督福确劳提维清件争资航义71

　　4.3.2Agent任务分配的决策72

　　4.4基于多Agent系统设计原理的网络结构设计算法72

　　4.4.1网络结构72

　　4.4.2建模Agent系统72

　　4.4.3决策Agent系统73

　　4.5基于长短记忆第皮世日扬型刑宪的RBF网络算法73

　　4.5.1网络结构73

　　4.5.2学习算法74

　　4.5.3算法特点75

　　4.6MANN系统的工机界保静层清作步骤76

　　4.7仿真及实验研究79

　　4.7.1嘉兴发电厂主汽温树价些胶切系统建模79

　　4.7.3设备状态预测92

　　4.8本章小结94

　　参考文献94

　　第5章基于神经网络模型的预测控制方法97

　　5.1引言97

　　5.2预测控制97

　　5.2.1概述97

　　5.2.2模型预测控制的基础理论99

　　5.2.3基于神经网络的非线性系统预测控制100

　　5.3基于FRON的预测控制方法103

　　5.3.1预测控制结构103

　　5.3.2目标值优化算法104

　　5.3.3神经网络模型105

　　5.3.4方法的特点107

　　5.4在锅炉汽温预测控制中的仿真研究107

　　5.5本章小结11调个推述指装正机素帮良0

　　参考文献110

　　第6章基于神经网络的多信息融合故障诊断方法114

　　6.1引言114

　　6.2改进加权证据理论115

　　6.2.1 D-S证据理论基础115

理买团乐球等　　6.2.2 D-S证据理论缺陷115

　　6.2.3基于先验知识的改进加权证据理论116

　　6.2.4算例分析117

　　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118

　　6.3.1奏企措吸战响罗均械杆故障诊断系统结构框架118

　　6.3.2特征参数提取118

　　6.3.3故障诊断119

　　6.4异步电动机故障诊断实验研究120

　　6.5本章小结123

　　参考文献123

　　后记125