基于稳健估计的极限学习机方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·极限学习机研究现状 | 第10-11页 |
| ·神经网络鲁棒估计研究现状 | 第11-12页 |
| ·本文研究的主要内容与论文结构 | 第12-13页 |
| 第2章 人工神经网络和极限学习机 | 第13-24页 |
| ·人工神经网络 | 第13-16页 |
| ·人工神经网络基本类型 | 第13-14页 |
| ·权值获取方式 | 第14-15页 |
| ·神经网络的学习方式 | 第15-16页 |
| ·BP 神经网络 | 第16-19页 |
| ·BP 网络结构 | 第16-17页 |
| ·BP 网络算法描述 | 第17-19页 |
| ·极限学习机 | 第19-23页 |
| ·极限学习机的提出 | 第19-20页 |
| ·单隐层前馈神经网络 | 第20-21页 |
| ·极限学习机算法描述 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 稳健估计理论 | 第24-32页 |
| ·稳健估计理论 | 第24-27页 |
| ·粗差的产生与处理 | 第24-25页 |
| ·稳健估计原理 | 第25-27页 |
| ·M 估计 | 第27-30页 |
| ·M 估计算法描述 | 第27-29页 |
| ·权函数的设计 | 第29-30页 |
| ·稳健回归方法实验 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 一种基于稳健估计的极限学习机方法 | 第32-44页 |
| ·引言 | 第32页 |
| ·鲁棒极限学习机 | 第32-35页 |
| ·输出层权值的鲁棒辨识 | 第32-33页 |
| ·鲁棒极限学习机（RBELM） | 第33-35页 |
| ·实验结果与分析 | 第35-43页 |
| ·回归分析 | 第35-39页 |
| ·分类问题 | 第39-41页 |
| ·调和参数 k 的影响 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 鲁棒极限学习机在回转窑系统中的应用 | 第44-50页 |
| ·回转窑工艺特点 | 第44页 |
| ·回转窑控制现状 | 第44-46页 |
| ·RBELM 在回转窑喂煤决策中的应用 | 第46-49页 |
| ·实验步骤 | 第46-47页 |
| ·RBELM 训练 | 第47页 |
| ·实验结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第57-58页 |
| 附录B 攻读硕士学位期间参研项目 | 第58-59页 |
| 致谢 | 第59页 |
