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、鄭州大學(xué)碩士學(xué)位論文基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的信號(hào)處理姓名：范懷玉申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：光學(xué)指導(dǎo)教師：申金媛20070525AbstraotArtificialneuralnetworkisusedwidelyinthesignalprocessingThisthesiswillhavemainlystudiedthequestionsoftheartifldalneuralnetworkstructureoptimizationandth
2、esampleinformationchoiceneoptimizedneuralnetworksareappliedtoforecastthenon—lineartimeseriessignalandtorecognizethefluorescencespectrumIntheprocessofconstructingtheartificialneuralnetworkmodel，howtochoosethestudyalgorith
3、maswellastoseekthebestnetworkarchitectureisalwaysakeytodecidethenetwork’SperformanceItisveryimportanttochoiceofthenetworktopologyarchitectureTheinappropriatestructuremaycausethepoorgeneralizationabilityandslowtheconverge
4、ncerateornonconvergence111eredundantinformationofthesample，whichaffectsthecorrectinput—outputmappingoftheneuralnetworkisdeletedTheRecursiveLeastSquare(RLS)ischosentoadjusttheinterconnectionweightsComparedwithotheralgorit
5、hms，theRLSalgorithmnotonlyiseasiertotrainanetworkbecauseithaslessparametersbutalsohasfasterconvergenceratebecauseitautomaticallyhastheoptimaltrainingstridevaluesInordertooptimizethenetwork’Stopologyarchitectureweintroduc
6、ethepruningalgorithmintothenetworkItCanprunetheneuronsnotonlyinthemiddlelayerbutalsointheinputlayerbyproposedanewenergyfunctionPruningtheneuronsoftheinputlayermeansthattheredundantcomponentoftheinputsampleismovedComparin
7、gotherdatacompressionorfeatureextractionmethods，thismethodismoreeffectiveforimprovingthepredictionaccuracyorcorrectrecognitionratebecausetheneuralpruningisrelativetotheoutputerrorTheneuralnetworkmodelsbasedontheadaptiveR
8、LSlearningandpruningalgorithmareusedtoforecastnonlineartimeseriessignals，suchasstockindexesandvariablebitratevideotraffic，andrecognizenonlinearfluorescencespectrumofethylene111ecomputersimulationshavedoneThemeansquareerr
9、oroftheoptimizednetworkisuptoaboutl0—5forforecastingnonlineartimeseriessignalsThecorrectrecognitionrateoftheproposedmodelisupto100％forrecognizingnonlinearfluorescencespectrum孔eexperimentalresultsshowthatoptimalnetworkbas
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
- 自適應(yīng)信號(hào)處理的神經(jīng)網(wǎng)絡(luò)方法.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的多維自適應(yīng)信號(hào)處理技術(shù)研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)濾波研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)逆控制研究.pdf
- 基于自適應(yīng)高斯基神經(jīng)網(wǎng)絡(luò)的電力信號(hào)分析方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)站點(diǎn)研究.pdf
- 基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的BDI預(yù)測(cè)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)濾波.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)自適應(yīng)距離保護(hù)的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)繼電保護(hù)的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)噪聲抵消的研究.pdf
- 基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的高速列車防滑控制.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)噪聲主動(dòng)控制研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)逆控制研究.pdf
- 基于LabVIEW的自適應(yīng)神經(jīng)網(wǎng)絡(luò)諧波檢測(cè)系統(tǒng).pdf
- 基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的葡萄病害發(fā)生預(yù)測(cè)研究.pdf
- 基于循環(huán)遞推神經(jīng)網(wǎng)絡(luò)算法自適應(yīng)PID控制.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的船舶航向自適應(yīng)PID控制研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)逆控制研究及應(yīng)用.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)自動(dòng)重合閘的研究.pdf
評(píng)論
0/150
提交評(píng)論