異因同果關聯(lián)神經(jīng)網(wǎng)絡的建模與應用.pdf

1、本論文在研究了組合神經(jīng)網(wǎng)絡的發(fā)展現(xiàn)狀的基礎上，結合實際生產(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—異因同果關聯(lián)神經(jīng)網(wǎng)絡，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測值。異因同果關聯(lián)神經(jīng)網(wǎng)絡模型將不同角度建立的模型有機結合起來，進而能夠將多個神經(jīng)網(wǎng)絡模型的作用進行綜合考慮，得到一個綜合的統(tǒng)一的模型預測結果。 文中研究了神經(jīng)網(wǎng)絡集成的原理和發(fā)展現(xiàn)狀，進而對組成子網(wǎng)絡BP網(wǎng)絡進行改進和優(yōu)化，并將仿真結果進行

2、比較，同時文中研究了異因同果關聯(lián)神經(jīng)網(wǎng)絡模型的機理，結合實例進行仿真并與傳統(tǒng)的神經(jīng)網(wǎng)絡模型的預測仿真結果比較，結果表明新型模型具有更高的預測精度。 在提出異因同果關聯(lián)神經(jīng)網(wǎng)絡后，本文進而從以下幾個方面繼續(xù)研究和改進新型關聯(lián)網(wǎng)絡模型的性能： 1、改進單個子網(wǎng)絡的性能采用應用最為廣泛的BP神經(jīng)網(wǎng)絡作為主要子網(wǎng)絡，在綜合國內外BP網(wǎng)絡研究現(xiàn)狀的基礎上，分析BP網(wǎng)絡的網(wǎng)絡結構和原始算法，研究其學習過程并分析其優(yōu)缺點所在，從啟發(fā)式

3、和加入數(shù)值優(yōu)化技術兩個方面對BP算法進行改進，并通過仿真對比說明了各個改進算法的性能特點和優(yōu)缺點。 2、組合神經(jīng)網(wǎng)絡模型的優(yōu)化在研究分析了當前神經(jīng)網(wǎng)絡集成的成果和現(xiàn)狀的基礎上，針對搭建組合神經(jīng)網(wǎng)絡整體模型當中面臨的各個環(huán)節(jié)：分析了樣本選取的原則、樣本個數(shù)的確定、樣本的預處理等樣本選取優(yōu)化方案；研究了組合神經(jīng)網(wǎng)絡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)絡模型在建立時隱層層數(shù)的確定、隱層節(jié)點數(shù)的確定等網(wǎng)絡結構方面的優(yōu)化。