首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于RPROP-SVR混合算法的DRNN网络非线性系统辨识

摘要第1-8页
Abstract第8-12页
第1章 绪论第12-20页
   ·引言第12页
   ·神经网络概述第12-15页
   ·DRNN网络非线性系统辨识的研究现状第15-18页
     ·递归神经网络在非线性系统辨识中的应用第15-16页
     ·DRNN网络在非线性系统辨识中的应用第16-18页
   ·支持向量机的研究现状第18-19页
   ·本文的研究内容及结构第19-20页
第2章 DRNN网络辨识的基本原理第20-26页
   ·DRNN网络的数学模型第20-21页
   ·DRNN网络的学习过程第21-23页
   ·神经网络辨识的基本原理与方法第23-25页
     ·神经网络辨识的基本原理第23-24页
     ·神经网络辨识的方法第24-25页
   ·本章小结第25-26页
第3章 基于DRNN网络的非线性系统辨识第26-44页
   ·基于DBP算法的非线性系统辨识第26-32页
     ·DBP算法第26-28页
     ·DBP算法实现步骤第28-29页
     ·基于DBP算法的非线性系统辨识仿真第29-32页
   ·基于Lyapunov函数的非线性系统辨识第32-35页
     ·Lyapunov函数学习速率自适应调整算法思想第32-33页
     ·基于Lyapunov函数算法的非线性系统辨识仿真第33-35页
   ·基于遗传算法的非线性系统辨识第35-41页
     ·遗传算法优化DRNN网络的基本思想第35-37页
     ·遗传算法实现步骤第37-39页
     ·基于遗传算法的非线性系统辨识仿真第39-41页
   ·DBP算法、Lyapunov函数算法及遗传算法的比较第41-43页
   ·本章小结第43-44页
第4章 基于RPROP算法的非线性系统辨识第44-55页
   ·RPROP算法的基本原理第44-46页
   ·RPROP算法的实施步骤第46-48页
   ·非线性系统辨识的仿真研究第48-53页
   ·Lyapunov函数算法和RPROP算法的比较第53-54页
   ·本章小结第54-55页
第5章 基于RPROP-SVR混合算法的非线性系统辨识第55-75页
   ·支持向量机原理第55-63页
     ·统计学习理论第55-56页
     ·最优分类超平面第56-60页
     ·支持向量机第60-63页
   ·支持向量回归算法的基本思想第63-64页
   ·RPROP-SVR混合算法的实施步骤第64-67页
   ·非线性系统辨识的仿真研究第67-71页
   ·RPROP算法与RPROP-SVR混合算法的比较第71-74页
   ·本章小结第74-75页
结论第75-77页
致谢第77-78页
参考文献第78-82页
攻读硕士学位期间发表的学术论文第82页

论文共82页,点击 下载论文
上一篇:多媒体教学设备网络监控系统的设计与实现
下一篇:网络化、虚拟化测控实验系统的设计