版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、武漢理工大學(xué)碩士學(xué)位論文灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的優(yōu)化研究姓名：李小燕申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)軟件與理論指導(dǎo)教師：袁景凌20090501AbstractGrayneuralnetworkmodelhasbeenarelativelywiderangeofapplicationswiththeindustryneedsforsmallsampleofdatainformationprocessingAlthoughtheneuralne
2、tworkandgraysystemtheoryareappliedwidelyininformationprocessing，theresultsofpredictiondataareunsatisfactoryOfcotlrseestablishedgrayneuralnetworkmodelsoftheintegrationofthesetwomethodshavegooddataprocessingandprediction，a
3、nditcartmakeupthelackofonlyusinganyoneofthemGrayneuralnetworkmodelissimple，iftooptimizethelearningalgorithmandthemodelstructureandperformanceweareabletoachievebeaerresults。Atpresentmanyscholarsdoconsiderableresearchesabo
4、utoptimizing艫ayneuralnetworkandmadeoutsomeachievements，OptimizedgrayneuralnetworkmodelCandealwithuncertaininformationandtechnicaldatatoimproveforecastaccuracyithasbecomeaveryimportanttopic。Atfirst，thepaperstatesthecharac
5、tersofsmallsampledataandthenanalyzesthecomplexityandtheparticularityofestimatingsmallsamples，twomethodsareproposedbycomparisonandvalidate，andthethinkingwhicharebasedon琴夠predictionmodelandneuralnetworktechnologyisadoptedI
6、nthepaperaSGRBFstaticmodelisestablishedonthebasisofRBF(RadialBasisFunction)andGreyModel(O，N)ThemodelCandealwiththepredictionproblemverywell，becauseitmakesuseoftheRBFsgoodabilityofinapproachingnonlinearfunction，andtheaccu
7、racyofGreyModel(O，N)inmakingapredictionofsmallsampledataADGRBFdynamicmodelisalsoestablishedinthepapeLwhichcanselectthebestinitializationconditionsanddynamicidenti掰ngparametersandisfitfordynamicandlong—termdataprediction。
8、WhencombininggreysystemwithRBFneuralnetworklocaloptimizationandconvergenceproblemsarestillexisted，SOgeneticalgorithmisintroducedtoassistthemodelingofgreyneuralnetworkinthispaperFirstlygeneticalgorithmisemployedtosolvethe
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的灰色預(yù)測(cè)模型.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型研究.pdf
- 灰色神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)預(yù)測(cè)模型研究.pdf
- 基于灰色RBF神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點(diǎn)預(yù)測(cè)模型研究.pdf
- 基于多維灰色模型與神經(jīng)網(wǎng)絡(luò)的銷售預(yù)測(cè)模型研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)流量預(yù)測(cè)算法研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的變形預(yù)測(cè)模型應(yīng)用研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)模型的煤炭物流需求預(yù)測(cè)研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的VOD終點(diǎn)碳溫預(yù)測(cè)模型研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的煤礦瓦斯涌出量預(yù)測(cè)模型研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)和灰色模型的稅務(wù)收入預(yù)測(cè)研究.pdf
- 單樁荷載沉降性狀的神經(jīng)網(wǎng)絡(luò)與灰色模型預(yù)測(cè)研究
- 基于神經(jīng)網(wǎng)絡(luò)優(yōu)化的股指預(yù)測(cè)模型研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的流量預(yù)測(cè)與評(píng)估方法研究.pdf
- 軟巖巷道變形灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及應(yīng)用.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的能源需求預(yù)測(cè).pdf
- 基于灰色-BP神經(jīng)網(wǎng)絡(luò)模型的淮河水污染預(yù)測(cè).pdf
- 企業(yè)安全投入灰色神經(jīng)網(wǎng)絡(luò)模型的研究.pdf
- 基于灰色理論和BP神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)模型研究.pdf
評(píng)論
0/150
提交評(píng)論