基于神经网络的计算机网络故障诊断
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景 | 第9-11页 |
| ·国内外研究状况 | 第11-13页 |
| ·论文内容和结构 | 第13-16页 |
| ·内容 | 第13-14页 |
| ·研究框架 | 第14-16页 |
| 2 神经网络理论及计算机网络故障简介 | 第16-28页 |
| ·神经网络简介 | 第16-19页 |
| ·神经网络简介 | 第16页 |
| ·神经网络的特点、发展和应用 | 第16-18页 |
| ·神经网络模型 | 第18-19页 |
| ·神经网络在故障诊断中的应用 | 第19-21页 |
| ·BP 神经网络模型理论介绍 | 第21-22页 |
| ·BP 神经网络模型介绍 | 第21页 |
| ·BP 神经网络的学习算法 | 第21-22页 |
| ·SOM 神经网络模型 | 第22-24页 |
| ·SOM 神经网络简介 | 第22页 |
| ·SOM 神经网络的结构 | 第22-23页 |
| ·SOM 神经网络的学习算法 | 第23-24页 |
| ·计算机网络故障简介 | 第24-28页 |
| ·计算机网络故障简介 | 第24页 |
| ·计算机网络管理简介 | 第24-28页 |
| 3 SOM 方法及实例 | 第28-37页 |
| ·样本对SOM 神经网络聚类输出的添加 | 第28-29页 |
| ·设置权重 | 第29页 |
| ·权重的迭代与更新 | 第29-30页 |
| ·BP 神经网络模型的建立 | 第30-31页 |
| ·BP 神经网络层数的确定 | 第30页 |
| ·各层神经元数目的确定 | 第30-31页 |
| ·计算机网络管理协议介绍 | 第31-32页 |
| ·SOM 方法在计算机网络故障诊断中的实例 | 第32-37页 |
| ·SOM 神经网络的聚类 | 第32-34页 |
| ·权重设置与BP 神经网络的样本训练 | 第34-35页 |
| ·SOM 方法神经网络的仿真 | 第35-37页 |
| 4 LM 方法的应用及实例 | 第37-46页 |
| ·LM 算法 | 第37-38页 |
| ·LM 算法介绍 | 第37页 |
| ·LM 算法用于改进标准的BP 算法 | 第37-38页 |
| ·并行算法 | 第38-40页 |
| ·并行算法介绍 | 第38-40页 |
| ·并行程序 | 第40页 |
| ·LM 方法 | 第40-44页 |
| ·LM 算法的改进 | 第40-41页 |
| ·并行算法迭代格式 | 第41页 |
| ·并行算法的实现 | 第41-42页 |
| ·并行预处理共轭梯度算法 | 第42-44页 |
| ·LM 方法的计算机网络故障诊断实例 | 第44-46页 |
| 5 SOM 方法和LM 方法结合的实例 | 第46-53页 |
| ·SOM 方法和LM 方法结合的实例和仿真 | 第46-49页 |
| ·仿真结果分析 | 第49-50页 |
| ·程序分析与实现 | 第50-53页 |
| 6 结论和展望 | 第53-54页 |
| ·全文工作总结 | 第53页 |
| ·创新点 | 第53页 |
| ·论文不足之处 | 第53页 |
| ·未来展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-61页 |
