基于仿生模式识别理论的双权值神经网络模拟电路故障诊断方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·问题的提出 | 第8-9页 |
| ·模拟电路故障诊断方法的发展 | 第9-11页 |
| ·本文各章节内容安排 | 第11-13页 |
| 2 模拟电路故障诊断技术综述 | 第13-21页 |
| ·模拟电路故障诊断中的一些基本概念 | 第13-14页 |
| ·模拟电路故障分类 | 第14-15页 |
| ·模拟电路故障的特点 | 第15-16页 |
| ·模拟电路故障诊断的基本思想 | 第16页 |
| ·模拟电路故障诊断方法综述 | 第16-18页 |
| ·神经网络故障诊断方法研究现状 | 第18-21页 |
| 3 常用神经网络及其在模拟电路故障诊断中的应用 | 第21-32页 |
| ·基于BP 网络的模拟电路故障诊断 | 第22-26页 |
| ·BP 网络模型 | 第22-23页 |
| ·BP 学习规则 | 第23-25页 |
| ·BP 网络的故障诊断应用实例 | 第25-26页 |
| ·基于RBF 网络的模拟电路故障诊断 | 第26-31页 |
| ·RBF 网络的输出计算 | 第27-28页 |
| ·网络的学习算法 | 第28-30页 |
| ·RBF 网络的模拟电路故障诊断实例 | 第30-31页 |
| ·小结 | 第31-32页 |
| 4 神经网络和仿生模式识别理论 | 第32-50页 |
| ·人工神经元模型及其在多维空间中的解释 | 第32-38页 |
| ·人工神经元模型及其在多维空间中的解释 | 第32-34页 |
| ·双权值神经元模型及其在多维空间中的解释 | 第34-38页 |
| ·神经网络模型在多维空间中的解释 | 第38-41页 |
| ·BP 网络模型在多维空间中的解释 | 第38页 |
| ·RBF 网络模型在多维空间中的解释 | 第38-39页 |
| ·双权值神经网络模型在多维空间中的解释 | 第39-41页 |
| ·仿生模式识别及其神经网络实现 | 第41-50页 |
| ·仿生模式识别与传统模式识别的差异 | 第41-43页 |
| ·仿生模式识别与双权值神经网络 | 第43-47页 |
| ·基于仿生模式识别理论的双权值神经网络的学习 | 第47-49页 |
| ·基于仿生模式识别理论的双权值神经网络的样本识别 | 第49-50页 |
| 5 仿真实验及结果分析 | 第50-62页 |
| ·双权值神经网络分类能力试验 | 第50-52页 |
| ·iris 植物分类问题 | 第50-51页 |
| ·Pima Indians 糖尿病诊断问题 | 第51-52页 |
| ·网络结构的构建 | 第52-53页 |
| ·实验电路的选择 | 第53-54页 |
| ·仿真及样本集构造 | 第54-58页 |
| ·故障集的构造 | 第54-55页 |
| ·使用Monte Carlo 方法仿真 | 第55-58页 |
| ·网络训练 | 第58-60页 |
| ·诊断结果与分析 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间完成的学术论文 | 第69-70页 |
| 致谢 | 第70页 |
