首页--交通运输论文--水路运输论文--船舶驾驶、航海学论文--船舶导航与通信论文

神经网络理论研究及在舰船运动预报中的应用

第1章 绪论第1-36页
   ·选题的目的和意义第12-13页
   ·舰船运动极短期预报综述第13-22页
     ·舰船运动极短期预报的目的和意义第13-14页
     ·国外研究概况第14-18页
     ·国内研究概况第18-22页
   ·神经网络理论概述第22-34页
     ·神经网络技术的发展与现状第22-27页
     ·神经网络理论的特点第27-28页
     ·神经网络建模与预报第28-34页
   ·本文的主要工作第34-36页
第2章 人工神经网络基础第36-53页
   ·人工神经网络的基本概念第36-37页
   ·神经元及其行为机理第37-42页
     ·神经元的生物学结构第37-38页
     ·神经元的信息处理与传递第38-40页
     ·神经元的形式化描述第40-42页
   ·人工神经网络的基本结构第42-43页
     ·递归网络第42-43页
     ·前馈网络第43页
   ·人工神经网络的训练第43-45页
     ·无导师学习第43-44页
     ·有导师学习第44-45页
     ·强化学习第45页
   ·人工神经网络的典型模型第45-47页
     ·Hopfield网络第45-47页
     ·Elman and Jordan网络第47页
   ·BP算法(反向传播算法)第47-52页
   ·本章小结第52-53页
第3章 神经网络中的逼近问题第53-76页
   ·人工神经网络与数学第53-56页
     ·多元连续函数的一元函数复合表示问题第53页
     ·人工神经元网络的逼近第53-54页
     ·近十几年来的一些结果第54-56页
   ·一般前馈神经元网络的逼近问题第56-65页
     ·一维实空间上的逼近问题第56-59页
     ·n维实空间上的逼近问题第59-65页
   ·基于BP神经网络的函数逼近方法及其MATLAB实现第65-74页
     ·引言第65-67页
     ·BP神经网络及其函数逼近能力第67-68页
     ·MATLAB软件及其BP神经网络工具箱函数第68-69页
     ·基于BP神经网络的函数逼近过程及其MATLAB实现第69-74页
     ·结论第74页
   ·本章小结第74-76页
第4章 递归神经网络理论研究第76-87页
   ·对角递归神经网络DRNN与全对角递归神经网络GDRNN第77-78页
   ·DRNN与GDRNN的动态反传算法第78-79页
   ·DRNN与GDRNN的权值更新规则第79-82页
   ·DRNN与GDRNN的训练算法的收敛性和稳定性第82-86页
   ·本章小结第86-87页
第5章 神经网络在舰船运动预报中的应用第87-112页
   ·基于对角递归神经网络(DRNN)的舰船纵摇运动极短期预报第87-106页
     ·引言第87-88页
     ·DRNN算法及其在预报中的应用第88-92页
     ·DRNN预报的无偏性第92-93页
     ·DRNN在非线性系统预报中的应用第93-94页
     ·基于DRNN的舰船纵摇运动的极短期预报第94-106页
   ·神经网络在其它系统预报中的应用第106-110页
     ·引言第106-107页
     ·共轭梯度算法对BP神经网络权值的更新第107-108页
     ·用改进的神经网络进行预报第108-109页
     ·仿真计算第109-110页
     ·结论第110页
   ·本章小结第110-112页
第6章 舰船运动的一种改进经典谱估计方法第112-120页
   ·改进的谱估计第112-117页
     ·周期图改进法第112-115页
     ·自相关改进法第115-116页
     ·综合法第116-117页
   ·实例仿真与性能分析第117-119页
     ·本节小结第119页
   ·本章小结第119-120页
结论第120-122页
参考文献第122-134页
攻读博士学位期间发表的论文和取得的科研成果第134-135页
致谢第135-136页
个人简历第136-139页
附录A第139-142页
附录B第142-147页

论文共147页,点击 下载论文
上一篇:人民法院司法警察职业化建设研究
下一篇:物理教学中探究式教学的实践研究