| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 时间序列分析 | 第11-12页 |
| 1.2.2 基于神经网络的时间序列预测分析技术在工程中的应用 | 第12-14页 |
| 1.3 本文主要工作 | 第14-16页 |
| 2 共享储备池的模块化神经网络 | 第16-28页 |
| 2.1 回声状态神经网络 | 第16-19页 |
| 2.1.1 ESN的网络结构 | 第16-17页 |
| 2.1.2 ESN学习过程 | 第17-19页 |
| 2.1.3 网络结构分析 | 第19页 |
| 2.2 神经网络状态相空间分割 | 第19-23页 |
| 2.2.1 基于输出样本的相空间分割 | 第20-21页 |
| 2.2.2 K均值聚类 | 第21-22页 |
| 2.2.3 基于K均值聚类的输出样本聚类 | 第22-23页 |
| 2.3 共享储备池的模块化神经网络 | 第23-26页 |
| 2.3.1 共享储备池的模块化网络结构 | 第23-24页 |
| 2.3.2 共享储备池的模块化网络学习过程 | 第24-25页 |
| 2.3.3 模块化神经网络的理论分析 | 第25-26页 |
| 2.4 模块化网络预测流程 | 第26-27页 |
| 2.5 小结 | 第27-28页 |
| 3 基于MapReduce架构的网络模型构建 | 第28-35页 |
| 3.1 Hadoop框架介绍 | 第28-30页 |
| 3.2 网络并行训练算法设计 | 第30-31页 |
| 3.3 求矩阵广义逆的MR任务 | 第31-34页 |
| 3.4 小结 | 第34-35页 |
| 4 实验验证 | 第35-45页 |
| 4.1 Mackey-Glass时间序列预测 | 第35-38页 |
| 4.2 煤气流量预测 | 第38-42页 |
| 4.3 算法的并行化效果实验 | 第42-44页 |
| 4.4 小结 | 第44-45页 |
| 结论 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52-53页 |