基于偏最小二乘的BP网络模型及其应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·偏最小二乘法的概述 | 第9-10页 |
| ·偏最小二乘法的研究背景 | 第9页 |
| ·偏最小二乘法的定义 | 第9页 |
| ·偏最小二乘法的特点 | 第9-10页 |
| ·偏最小二乘法的发展历史 | 第10-11页 |
| ·偏最小二乘法的研究现状 | 第11-12页 |
| ·理论研究 | 第11-12页 |
| ·应用研究 | 第12页 |
| ·论文的研究内容及成果 | 第12-13页 |
| ·论文的研究目的 | 第12页 |
| ·论文的研究内容 | 第12-13页 |
| ·论文的研究成果 | 第13页 |
| ·论文的组织结构 | 第13-14页 |
| 2 偏最小二乘算法的基础知识 | 第14-27页 |
| ·偏最小二乘法的基本原理 | 第14-18页 |
| ·相关理论基础 | 第14-15页 |
| ·偏最小二乘法的基本原理 | 第15-16页 |
| ·确定抽取成分的个数 | 第16页 |
| ·偏最小二乘法的建模 | 第16-18页 |
| ·常见的偏最小二乘算法 | 第18-23页 |
| ·非线性迭代偏最小二乘法 | 第18-22页 |
| ·简单偏最小二乘法(简写SIMPLS 算法) | 第22-23页 |
| ·偏最小二乘法的新发展——正交信号修正法 | 第23-26页 |
| ·产生背景 | 第23页 |
| ·正交信号修正法 | 第23-25页 |
| ·改进的正交信号修正法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 BP 神经网络模型 | 第27-37页 |
| ·神经网络概述 | 第27-29页 |
| ·BP 神经网络 | 第29-33页 |
| ·BP 神经网络概述 | 第29页 |
| ·BP 网络模型及其学习规则 | 第29-32页 |
| ·多层前馈网络的优点 | 第32-33页 |
| ·BP 算法的缺陷和局限性 | 第33页 |
| ·BP 算法的改进 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于偏最小二乘法的BP 网络模型及其应用 | 第37-44页 |
| ·BP 网络模型不理想的原因分析 | 第37-39页 |
| ·国内外研究现状 | 第37页 |
| ·神经网络与偏最小二乘回归结合的国内外研究现状 | 第37-39页 |
| ·算法描述 | 第39-40页 |
| ·NIPALS 算法 | 第39页 |
| ·算法流程 | 第39-40页 |
| ·基于偏最小二乘的BP 网络模型的构造策略 | 第40-41页 |
| ·仿真实验 | 第41-43页 |
| ·实验结果 | 第43页 |
| ·主成分数的选取 | 第43页 |
| ·拟合与预测结果 | 第43页 |
| ·本章小结 | 第43-44页 |
| 5 基于正交信号修正法的BP 网络模型及其应用 | 第44-50页 |
| ·概述 | 第44页 |
| ·O-PLS 算法 | 第44-46页 |
| ·正交信号修正(OSC)法 | 第44-45页 |
| ·O-PLS 算法 | 第45-46页 |
| ·基于正交信号修正法的BP 网络模型的构造策略 | 第46页 |
| ·数值仿真实验 | 第46页 |
| ·实验结果 | 第46-49页 |
| ·正交信号的修正 | 第46-47页 |
| ·主成分数的选取 | 第47-48页 |
| ·拟合与预测结果 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 结论与展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录 | 第58页 |
