基于动态神经网络的系统建模理论及优化技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题背景及研究意义 | 第9页 |
| ·系统建模 | 第9-11页 |
| ·系统建模发展历史及现状分析 | 第9-10页 |
| ·系统建模基本方法 | 第10页 |
| ·智能系统建模 | 第10-11页 |
| ·系统建模人工神经网络方法 | 第11-12页 |
| ·动态神经网络 | 第12-13页 |
| ·论文选题与内容安排 | 第13-15页 |
| ·论文选题 | 第13页 |
| ·内容安排 | 第13-15页 |
| 第二章 系统建模基本理论和方法 | 第15-22页 |
| ·动态系统模型 | 第15-16页 |
| ·离散动态系统 | 第15页 |
| ·连续动态系统 | 第15页 |
| ·混合动态系统 | 第15-16页 |
| ·基于理论的系统建模方法 | 第16-17页 |
| ·微分方程建模方法 | 第16-17页 |
| ·分布参数建模方法 | 第17页 |
| ·基于统计的系统建模方法 | 第17-20页 |
| ·时序序列预测模型 | 第17-18页 |
| ·三次样条插值法建模 | 第18-19页 |
| ·回归建模 | 第19-20页 |
| ·基于智能的系统建模方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 动态神经网络模型和算法研究 | 第22-34页 |
| ·一种反馈动态神经网络模型及其算法 | 第22-25页 |
| ·网络模型 | 第22-23页 |
| ·学习算法 | 第23-25页 |
| ·一种用于模式分类的动态神经网络模型及其算法 | 第25-28页 |
| ·网络模型 | 第26-27页 |
| ·学习算法 | 第27-28页 |
| ·连续动态神经网络模型及其算法 | 第28-30页 |
| ·网络模型 | 第28页 |
| ·学习算法 | 第28-30页 |
| ·动态循环网络模型及其算法 | 第30-32页 |
| ·网络模型 | 第30-31页 |
| ·学习算法 | 第31-32页 |
| ·模型的可信性评价方法研究 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 动态神经网络训练算法研究 | 第34-42页 |
| ·基于梯度—牛顿法结合的学习算法 | 第34-35页 |
| ·基于二次样条拟合的学习算法 | 第35-37页 |
| ·样条函数 | 第36页 |
| ·学习算法推导 | 第36-37页 |
| ·基于数值积分的训练算法 | 第37-40页 |
| ·数值积分基本公式 | 第38页 |
| ·NIDNN训练算法 | 第38-39页 |
| ·NIDNN算法步骤 | 第39页 |
| ·实际应用 | 第39-40页 |
| ·动态神经网络的优化训练算法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 动态神经网络在油田开发中的应用 | 第42-46页 |
| ·基于DNN的系统建模方法与流程 | 第42-43页 |
| ·油田典型应用问题 | 第42页 |
| ·系统模型与DNN选择 | 第42页 |
| ·DNN建模流程 | 第42-43页 |
| ·在油田开发指标预测中的应用 | 第43-44页 |
| ·在沉积微相识别中的应用 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 结论与展望 | 第46-48页 |
| ·论文研究情况总结 | 第46页 |
| ·本文的创新点 | 第46页 |
| ·今后的研究工作 | 第46-48页 |
| 发表文章目录 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 详细摘要 | 第54-60页 |
