首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于改进集成随机权神经网络的精矿产量在线预报系统

摘要第5-7页
Abstract第7-8页
第1章 绪论第12-20页
    1.1 研究背景及意义第12-13页
    1.2 选矿过程综合生产指标预报问题研究现状第13-15页
        1.2.1 预报模型变量选择方法第13-14页
        1.2.2 数据驱动的预报模型建模方法第14-15页
    1.3 神经网络建模方法研究现状第15-17页
        1.3.1 神经网络研究现状第15-16页
        1.3.2 集成神经网络研究现状第16-17页
    1.4 存在的问题及本文主要工作第17-19页
    1.5 本章小结第19-20页
第2章 选矿过程综合生产指标预报问题描述第20-24页
    2.1 选矿工艺过程简介第20-21页
    2.2 选矿生产指标预报问题描述第21-23页
        2.2.1 选矿工艺生产指标概述第21-22页
        2.2.2 综合生产指标和其他相关因素间关系定性分析第22-23页
    2.3 预报模型难点分析第23页
    2.4 本章小结第23-24页
第3章 基于正则化的负相关集成随机权神经网络在线学习算法第24-44页
    3.1 预备知识第24-27页
        3.1.1 随机权神经网络第24-26页
        3.1.2 集成学习的负相关学习方法第26-27页
    3.2 基于正则化的负相关集成随机权神经网络第27-32页
        3.2.1 正则化负相关集成随机权网络算法第27-29页
        3.2.2 基于遗传算法的激励函数参数优化第29-31页
        3.2.3 基于网格搜索的结构参数优化第31-32页
    3.3 正则化负相关集成神经网络在线学习算法第32-35页
    3.4 标准测试数据研究第35-42页
        3.4.1 标准测试数据集第35-36页
        3.4.2 实验设计第36页
        3.4.3 参数设置第36-37页
        3.4.4 实验结果分析第37-42页
    3.5 本章小结第42-44页
第4章 基于改进集成随机权神经网络的精矿产量在线预报方法第44-64页
    4.1 概述第44-45页
    4.2 基于最大信息系数的精矿产量预报模型变量选择方法第45-53页
        4.2.1 最大信息系数概述第45-47页
        4.2.2 基于最大信息系数的预报模型输入选择第47-53页
    4.3 基于改进集成随机权网络的精矿产量预报回归器设计第53-55页
        4.3.1 预报模型回归器参数优化第54页
        4.3.2 预报模型回归器的在线策略第54-55页
    4.4 精矿产量预报模型建模流程第55-57页
    4.5 精矿产量预报模型实验研究第57-62页
        4.5.1 实验数据第57页
        4.5.2 实验设计第57页
        4.5.3 参数设置第57-58页
        4.5.4 实验结果分析第58-62页
    4.6 本章小结第62-64页
第5章 选矿过程综合精矿产量预报模型实验系统设计与开发第64-80页
    5.1 概述第64页
    5.2 实验系统开发技术简介第64-66页
        5.2.1 前端开发第64-65页
        5.2.2 服务器端开发第65-66页
    5.3 实验系统结构与功能设计第66页
    5.4 选矿过程精矿产量预报模型实验系统功能实现第66-74页
        5.4.1 开发环境配置第67页
        5.4.2 前端界面的功能实现第67-71页
        5.4.3 服务器端的功能实现第71-74页
    5.5 选矿过程精矿产量预报模型实验系统实验验证第74-79页
    5.6 本章小结第79-80页
第6章 总结与展望第80-82页
参考文献第82-86页
致谢第86-88页
硕士期间的主要工作第88页

论文共88页,点击 下载论文
上一篇:菱镁矿石品级分类建模方法研究
下一篇:基于半监督学习的磨矿分级过程监测方法研究