基于UKF的通用学习网络算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一部分 | 第14-58页 |
| 第一章 引言 | 第14-18页 |
| ·课题的背景及意义 | 第14-15页 |
| ·通用学习网络及其算法的研究现状 | 第15-16页 |
| ·论文的研究内容和创新之处 | 第16-18页 |
| 第二章 人工神经网络概述 | 第18-30页 |
| ·神经网络概述 | 第18-22页 |
| ·人工神经网络简介 | 第18-19页 |
| ·神经网络结构 | 第19页 |
| ·神经网络的学习 | 第19-21页 |
| ·神经网络的主要特点 | 第21-22页 |
| ·前馈神经网络 | 第22-23页 |
| ·递归神经网络 | 第23-24页 |
| ·通用学习网络 | 第24-30页 |
| ·通用学习网络的结构和基本原理 | 第24-25页 |
| ·通用学习网络的特性分析 | 第25-26页 |
| ·通用学习网络的常用训练算法 | 第26-30页 |
| 第三章 卡尔曼滤波用于训练神经网络 | 第30-48页 |
| ·卡尔曼滤波算法 | 第30-36页 |
| ·信号模型 | 第31-32页 |
| ·卡尔曼滤波方法 | 第32-36页 |
| ·扩展卡尔曼滤波(EKF) | 第36-39页 |
| ·扩展卡尔曼滤波递推公式 | 第36-38页 |
| ·扩展卡尔曼滤波用于训练前向神经网络 | 第38-39页 |
| ·扩展卡尔曼滤波的缺点 | 第39页 |
| ·无轨卡尔曼滤波(UKF) | 第39-48页 |
| ·UT变换 | 第40-41页 |
| ·UKF更新方程 | 第41-42页 |
| ·UKf参数的讨论 | 第42-43页 |
| ·UKF用于训练神经网络 | 第43-44页 |
| ·仿真实验 | 第44-48页 |
| 第四章 无轨卡尔曼滤波训练通用学习网络 | 第48-56页 |
| ·UKF算法与通用学习网络 | 第48-49页 |
| ·仿真实例 | 第49-55页 |
| ·非线性函数的训练 | 第49-51页 |
| ·时间序列预测 | 第51-52页 |
| ·连续搅拌反应器(CSTR)建模 | 第52-55页 |
| ·算法比较 | 第55-56页 |
| 第五章 总结 | 第56-58页 |
| 第二部分 | 第58-64页 |
| 第六章 空调远程监控系统开发 | 第58-64页 |
| ·系统结构分析 | 第59页 |
| ·软件系统的设计 | 第59-62页 |
| ·实现功能 | 第59-60页 |
| ·软件结构 | 第60页 |
| ·实现过程 | 第60-62页 |
| ·可靠性分析与措施 | 第62页 |
| ·监控模块开发总结 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-72页 |
| 致谢 | 第72-74页 |
| 研究成果和发表的学术论文 | 第74-76页 |
| 作者和导师简介 | 第76-77页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第77-78页 |
