神经网络预测研究
| 第一章 绪论 | 第1-13页 |
| 1．1 时间序列预测基本理论 | 第8-9页 |
| 1．2 预测学简介 | 第9-10页 |
| 1．3 基于神经网络的预测理论研究现状及意义 | 第10-11页 |
| 1．4 本文研究的主要内容 | 第11-13页 |
| 第二章 人工神经网络 | 第13-21页 |
| 2．1 人工神经网络的发展简史 | 第13-15页 |
| 2．2 人工神经网络的基本特点 | 第15-16页 |
| 2．3 人工神经网络的工作机理 | 第16-17页 |
| 2．4 人工神经网络的结构 | 第17-21页 |
| 2．4．1 人工神经元 | 第17页 |
| 2．4．2 人工神经网络的互连方式 | 第17-21页 |
| 第三章 基于神经网络的预测理论 | 第21-36页 |
| 3．1 几种常用的时间序列预测方法 | 第21-27页 |
| 3．1．1 三种常用线性时序模型 | 第21-23页 |
| 3．1．2 预测的定量分析法 | 第23-24页 |
| 3．1．3 回归分析法 | 第24-25页 |
| 3．1．4 灰色预测法 | 第25页 |
| 3．1．5 混沌时间序列预测 | 第25-27页 |
| 3．2 基于神经网络的时间序列预测 | 第27-28页 |
| 3．3 BP网络的基本模型 | 第28-30页 |
| 3．4 BP算法训练的基本步骤 | 第30-31页 |
| 3．5 传统BP算法讨论及改进 | 第31-33页 |
| 3．6 BP模型的改进算法 | 第33-36页 |
| 3．6．1 网络结构的确定 | 第33-34页 |
| 3．6．2 BP模型的一种改进算法 | 第34-36页 |
| 第四章 基于神经网络的混沌时间序列预测 | 第36-53页 |
| 4．1 混沌及其混沌时间序列的发展简史与研究现状 | 第36-38页 |
| 4．2 混沌和混沌时间序列的几个特征量 | 第38-43页 |
| 4．2．1 倍周期分叉与混沌 | 第39-40页 |
| 4．2．2 吸引子 | 第40-41页 |
| 4．2．3 相空间重构 | 第41-42页 |
| 4．2．4 相空间重构的参数选择 | 第42-43页 |
| 4．3 基于神经网络的混沌时间序列预测 | 第43-45页 |
| 4．4 混沌时间序列神经网络拓补结构 | 第45-46页 |
| 4．5 仿真分析 | 第46-53页 |
| 第五章 基于神经网络的焊接接头质量在线预测模型 | 第53-69页 |
| 5．1 焊接质量的在线检测与预测研究现状 | 第53-54页 |
| 5．2 闪光焊基本原理 | 第54-57页 |
| 5．2．1 闪光焊简介 | 第54-55页 |
| 5．2．2 闪光对焊过程分析 | 第55页 |
| 5．2．3 焊接质量检验标准 | 第55页 |
| 5．2．4 焊接质量的控制与预测 | 第55-57页 |
| 5．3 钢轨闪光焊BP网络模型的建立 | 第57-66页 |
| 5．3．1 数据源的获取 | 第57页 |
| 5．3．2 网络结构的确定 | 第57-58页 |
| 5．3．3 特征量的确定 | 第58-60页 |
| 5．3．4 样本数据集的选取 | 第60-62页 |
| 5．3．5 异常数据的处理 | 第62-63页 |
| 5．3．6 数据预处理 | 第63-64页 |
| 5．3．7 改进的BP算法 | 第64-66页 |
| 5．4 预测结果及分析 | 第66-69页 |
| 5．4．1 预处理结果分析 | 第66页 |
| 5．4．2 预测结果分析 | 第66-69页 |
| 第六章 结论及展望 | 第69-72页 |
| 6．1 本文工作总结 | 第69-70页 |
| 6．2 未来工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第77页 |
