【模糊回归的神经网络实现和应用研究】黄磊.pdf

【模糊回归的神经网络实现和应用研究】黄磊.pdf

目录目录 致谢 I 中文摘要 Ⅱ 英文摘要 Ⅲ 前言 第一章模糊回归的基本理论及其神经网络实现方法简介 1模糊线性回归的理论与方法 1模糊回归的神经网络实现的基本思想 1两种区间回归的神经网络模型及其学习算法 第二章区间回归的神经网络鲁棒学习算法 2鲁棒学习算法的推导过程 2鲁棒学习算法的实现 2仿真示例 第三章区间回归的神经网络SCG学习算法 3SCG算法简介 3SCG学习算法的实现及仿真示例 第四章区间回归的HIMOD模型及其学习算法 4HLMOD模型结构及其学习算法 4仿真示例 4.中文摘要 摘要 法是在神经网络实现的区间回归模型上构造相应的模糊回归模型。本文针对区 简回归以及区间失量的非线性映射的神经网络实现方法作了以下的工作 为已存在的一种区间回归的神经网络模型提议了一种鲁棒学习算法。该 算法能有效地抑制有噪数据对学习过程的影响,以致于在实际情况下能得到更 为有效的区间模型.应用规范共轭梯度算法到已存在的一种区间回归的神经网络模型的学 习中。如果其中一个算法参数选择合适,该算法收敛速度更快.提议了一种新的区间回归的神经网络模型及其学习算法。与已存在的两 种区间回归的神经网络模型相比,这种网络模型实现起来更方使和更经济。前言 前言 神经网络是近十几年来发展极为迅速的一们边缘学科。它对众多学科的包 容性、应用范围的广泛性以及理论分析方法的多样性是前所未有的。神经网络 学、物理学理论方法研究。信息科学在神经网络研究中最活跃的一个领域是 应用性研究,它已涉及到机器人视觉、模式识别、信号处理和系统辨识等领域。(MLP)。MLP的典型的学习算法是反向传播(BP)算法。MLP的BP学习算法把一个从一组训练样本中建模问题变成一个非线性优化问题,使用了最优化中最普 遍的梯度下降算法,并用选代运算来求解权。