分享到:

可解释的和能理解的神经网络树设计方法研究

机器学习方法主要有两种:符号学习方法和非符号学习方法。决策树是一种典型的符号学习模型,神经网络是一种最常见的非符号学习模型。一般来说,符号学习方法适合于提取能理解的规则但不能在线增量学习,非符号学习方法适合于在线增量学习,但是不能提取能理解的规则。神经网络树是一种神经网络和决策树的混合学习模型,总体的结构是决策树模型,每一个非终端节点是一个专家神经网络,神经网络树有决策树和神经网络两者的优点。为了增强神经网络树的实用性,应当提出用于增量学习的有效算法,设计尽可能小的神经网络,提出在线解释的方法。这篇论文的目的是基于多目标优化和多模板匹配算法设计可解释的,能理解的或自我解释的神经网络树。本文的主要贡献是:第一章回顾了已有的神经网络与决策树的混合模型设计方法。第二章研究人工神经网络拓扑结构与学习算法、决策树的定义与学习算法以及基于遗传算法的优化方法等,并以此为基础研究了神经网络树的定义及其演化设计方法。第三章在研究有限输入神经网络树  (本文共77页) 本文目录 | 阅读全文>>

东南大学
东南大学

基于数据挖掘的前向型神经网络在交通流时序预测中的应用

目前,数据挖掘这个名词是一个非常热门的话题,无论在科研领域还是在应用领域,数据挖掘的都代表着一种时尚。数据挖掘之所以这么炙手可热,首先得益于它能够给我们带来实在的价值,而且这种价值的得来也并不是那么的困难。其次数据挖掘在各个领域内的发展也并不平衡,关于数据挖掘,有些领域的研究非常少;有些领域内的研究比较多,但是与应用的联系不紧密;而且在为数不少的领域内,数据挖掘的应用研究甚至走在了学术研究的前面。由此种种原因,使得数据挖掘在各个领域内都有很大的发展空间,理论与实践创新相对比较容易。当一种新技术既具有很大的使用价值,又比较容易发展的时候,它的快速繁荣也就非常可以理解了。随着数据挖掘在各个领域内的展开,各种数据挖掘技术开始向深层次发展,其中比较有特色的新数据挖掘技术就是神经网络技术。神经网络技术是一种起源于仿生的技术,神经网络的构建目前尚未有比较成熟的理论来指导,一般只是用试探寻优的方法来实现,但是关于神经网络的学习训练则有比较成熟...  (本文共76页) 本文目录 | 阅读全文>>

《金融经济》2017年18期
金融经济

金融市场中的神经网络拐点预测法

本文首先分析了前人学者在使用神经网络模型对金融市场进行预测时的局限和错误,提出了...  (本文共2页) 阅读全文>>

北京化工大学
北京化工大学

工业控制系统神经网络故障诊断方法研究

基于神经网络的故障诊断是智能故障诊断理论与技术的一个重要研究方向。论文在对目前主要的神经网络诊断方法进行研究的基础上,将系统的故障诊断分为检测级故障诊断和系统级故障诊断两类来进行处理。利用系统的冗余信息,提出了基于D-S证据理论对集成神经网络的输出进行融合的方法。该方法将每个神经网络看作一个证据,对神经网络的输出在时间域、空间域上进行融合,从而提高诊断的准确率,而且可以在神经网络和模糊神经网络之间融合,并进行仿真,表明了它的可行性。论文还针对故障诊断中神经网络算法的缺点,研究了将遗传算法应用于网络权值优化的问题,提出了一种改进型GA-ANN算法。该算法将BP算法和遗传算法有机地结合在一起,吸取了二者的优点,具有较快的收敛速度和全局寻优的特点。论文通过将该算法与改进的BP算法、GA算法、普通GA-ANN算法比较,仿真结果表明该算法优于BP算法和普通GA-ANN以及GA算法。  (本文共75页) 本文目录 | 阅读全文>>

哈尔滨工程大学
哈尔滨工程大学

基于神经网络的结构损伤识别

对工程结构的损伤识别、定位及估计是近年来十分流行的研究课题,结构损伤检测技术已被广泛应用于航天、土木、机械和核工业中,是一门建立在损伤机理、传感器技术、信号分析技术、计算机技术及人工智能技术之上的多学科综合性技术。相对于传统的结构损伤检测方法,本论文主要对基于神经网络的结构损伤检测技术理论与应用进行研究。本文通过理论分析了,适合结构损伤位置和损伤程度识别的组合参数法,(此组合参数是由固有频率的变化信息和少数选定点的模态分量合成的向量。)在此理论的基础上,分别对一个框架结构和一个悬臂梁结构进行了损伤数值模拟,同时采取合适的方法构造改进型BP神经网络的输入参数,应用训练后的神经网络对结构进行损伤检测。本论文的主要工作有下面几个内容:首先,通过对神经网络的工作原理进行分析,得出在理论上它能够对结构的损伤进行识别。其次,结构的振动特性(固有频率、模态参数等)是结构物理参数(质量、刚度)的函数,即结构振动特性的变化是由结构物理参数的变化引...  (本文共78页) 本文目录 | 阅读全文>>

河海大学
河海大学

基于神经网络的模拟电路故障诊断专家系统研究

随着电子工业的迅速发展,模拟电路故障诊断技术的重要性越来越明显,它对于电子设备和系统的正常运行及可靠性设计均具有重要的意义。在传统的诊断技术和理论方法的基础上,本课题以雷达电源为研究对象,就专家系统和BP神经网络方法应用于模拟电路故障诊断作了深入的研究。本文首先综述了模拟电路故障诊断的发展、现状以及存在的问题,介绍了BP神经网络的模型结构及学习机制,对故障诊断系统所采用的BP网络存在收敛速度慢的问题,以及多种改进的BP算法进行了分析和研究,对收敛速度进行了比较,其中启发式学习算法中的弹性BP法和数值优化算法中的Levenberg-Marquardt法,能有效地解决这一问题。给出了用神经网络分解法解决模拟电路多故障问题。在理论研究和分析的基础上,利用神经网络的高度模式识别能力,设计出了基于神经网络的故障诊断专家系统,包括诊断知识的表示、获取和推理。用Matlab和Pspice这两个计算机仿真软件验证了本文所有提出的故障诊断方法的正...  (本文共83页) 本文目录 | 阅读全文>>