首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

神经网络集成及其在地震预报中的应用研究

摘要第1-8页
ABSTRACT第8-12页
第1章 绪论第12-32页
   ·神经网络集成第12-25页
     ·神经网络集成的框架第13-14页
     ·神经网络集成的原理第14-17页
     ·神经网络集成的研究现状第17-25页
   ·地震预报中神经网络应用的研究现状及存在的问题第25-28页
   ·本文的主要研究内容及其安排第28-32页
     ·神经网络集成学习存在的问题第28-29页
     ·本文主要研究内容第29-30页
     ·本文的内容安排第30-32页
第2章 基于实验设计的神经网络集成方法第32-56页
   ·实验设计简介第32-36页
     ·正交设计简介第32-34页
     ·均匀设计简介第34-35页
     ·实验设计的应用第35-36页
   ·基于实验设计的神经网络集成方法第36-40页
     ·实验设计表的确定第38页
     ·异构RBFNN 结构的确定第38-40页
   ·UCI 标准数据集上的实验第40-49页
     ·验证异构RBFNN 集成的有效性第40-43页
     ·验证基于正交设计的神经网络集成的有效性第43-48页
     ·验证基于均匀设计的神经网络集成的有效性第48-49页
   ·DOEERBF 在地震序列类型判断的应用第49-55页
   ·小结第55-56页
第3章 构造选择性神经网络集成方法第56-71页
   ·构造选择性神经网络集成方法第56-62页
     ·个体网络训练次数的确定第58-60页
     ·选择网络加入到集成的判断条件第60-61页
     ·停止集成构建的标准第61页
     ·讨论第61-62页
   ·UCI 标准数据集上的实验第62-65页
   ·CSERBF 在地震综合预报中的应用第65-70页
     ·CSERBF 在地震震级预报中的应用第65-67页
     ·CSERBF 在地震时间预报中的应用第67-70页
   ·小结第70-71页
第4章 基于粗集约简的神经网络集成方法第71-90页
   ·粗集理论第71-73页
   ·基于粗集约简的神经网络集成方法第73-79页
     ·求解所有粗集约简集的方法第74-77页
     ·支持向量机第77-78页
     ·讨论第78-79页
   ·UCI 标准数据集上的实验第79-81页
     ·验证ODMA 的有效性第79-80页
     ·验证RRESVM 的有效性第80-81页
   ·RRESVM 在地震预报中的应用第81-89页
     ·使用ODMA 分析地震预报指标与地震预报的关系第81-87页
     ·使用RRESVM 判断地震序列类型第87-89页
   ·小结第89-90页
第5章 基于特征加权的神经网络集成方法第90-101页
   ·基于特征加权的神经网络集成方法第90-95页
     ·Catergory ART 的有监督学习第91-93页
     ·自适应遗传算法优化特征权值第93-95页
   ·UCI 标准数据集上的实验第95-97页
   ·FWEART 在地震预报中的应用第97-100页
     ·FWEART 在地震序列类型判断中的应用第97-98页
     ·FWEART 在地震震级预报中的应用第98-100页
   ·小结第100-101页
第6章 基于计算网格的神经网络集成学习平台第101-111页
   ·计算网格第101-102页
   ·基于计算网格的神经网络集成学习平台第102-106页
     ·神经网络集成学习方法的并行化第103-105页
     ·Portal 的设计与实现第105-106页
   ·基于计算网格的神经网络集成学习平台实例演示第106-110页
     ·资料收集第106-107页
     ·利用集成学习平台判断未来我国大陆地震形势第107-110页
   ·小结第110-111页
第7章 结论与展望第111-114页
   ·本文主要结论第111-113页
   ·今后工作展望第113-114页
参考文献第114-121页
作者攻读学位期间公开发表的论文及参加的科研工作第121-123页
致谢第123-124页
博硕士学位论文同意发表声明第124-125页
发表意见书第125页

论文共125页,点击 下载论文
上一篇:房屋拆迁补偿法律问题探讨
下一篇:ZnO半导体光电材料的制备及其性能的研究