基于多模型数据融合算法的木材干燥动态建模研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·课题背景 | 第7-8页 |
| ·木材干燥建模方法研究概述 | 第8页 |
| ·课题研究的意义和目的 | 第8-9页 |
| ·课题研究的主要内容 | 第9-11页 |
| 2 数据融合技术 | 第11-17页 |
| ·数据融合概述 | 第11-12页 |
| ·数据融合的基本原理 | 第12页 |
| ·数据融合的体系结构 | 第12-15页 |
| ·数据融合的结构形式 | 第12-14页 |
| ·数据融合的功能模型 | 第14-15页 |
| ·数据融合的关键技术 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 3 基于神经网络多模型的木材干燥动态建模方法 | 第17-32页 |
| ·神经网络发展概况 | 第17-18页 |
| ·基于BP神经网络的建模 | 第18-23页 |
| ·BP神经网络的结构 | 第18-19页 |
| ·BP神经网络的算法推导 | 第19-22页 |
| ·BP网络学习算法的计算步骤 | 第22页 |
| ·基于BP神经网络的木材干燥动态建模 | 第22-23页 |
| ·基于动态递归神经网络技术的建模 | 第23-26页 |
| ·递归神经网络的基本原理 | 第23-24页 |
| ·动态递归型神经网络结构和学习算法 | 第24-25页 |
| ·基于动态递归神经网络的木材干燥动态建模 | 第25-26页 |
| ·神经网络融合模型的建立 | 第26-31页 |
| ·基于算术平均值与递推估计算法的神经网络融合模型 | 第26-28页 |
| ·基于自适应加权算法的神经网络融合模型 | 第28-31页 |
| ·本章小节 | 第31-32页 |
| 4 基于PLS和神经网络的木材干燥动态建模方法 | 第32-42页 |
| ·偏最小二乘回归理论 | 第32-36页 |
| ·偏最小二乘概述 | 第32-33页 |
| ·偏最小二乘基本思想 | 第33页 |
| ·偏最小二乘建模数学原理 | 第33-34页 |
| ·偏最小二乘建模典型算法 | 第34-36页 |
| ·基于PLS和神经网络融合模型的建立 | 第36-40页 |
| ·基于偏最小二乘回归(PLSR)模型的建立 | 第36-40页 |
| ·基于PLS和神经网络融合模型 | 第40页 |
| ·本章小节 | 第40-42页 |
| 5 实验与仿真 | 第42-50页 |
| ·实验方法和实验步骤 | 第42-43页 |
| ·模型仿真数据对比研究 | 第43-48页 |
| ·神经网络多模型仿真研究 | 第43-46页 |
| ·偏最小二乘与神经网络融合模型仿真研究 | 第46-48页 |
| ·本章小节 | 第48-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间发表的学术论文 | 第54-55页 |
| 致谢 | 第55-56页 |
