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MapReduce并行框架的神经网络改进研究与应用

摘要第4-5页
Abstract第5页
第一章 绪论第8-13页
    1.1 引言第8页
    1.2 国内外研究的现状第8-11页
        1.2.1 云计算的发展历程第8-10页
        1.2.2 神经网络发展过程第10页
        1.2.3 云平台下的神经网络发展第10-11页
        1.2.4 神经网络的改进第11页
    1.3 本文主要研究内容第11-12页
    1.4 本文章节安排第12页
    1.5 本章总结第12-13页
第二章 云平台理论介绍第13-18页
    2.1 Hadoop平台简介第13-14页
    2.2 HDFS(分布式文件系统)相关介绍第14-15页
    2.3 MapReduce模型理论第15-17页
    2.4 Spark理论第17页
    2.5 本章小结第17-18页
第三章 神经网络基础第18-29页
    3.1 简述神经网络第18页
    3.2 神经元模型第18-19页
    3.3 BP误差反向传播第19-22页
        3.3.1 BP网络基本构成第19-20页
        3.3.2 BP学习算法原理第20-21页
        3.3.3 BP神经网络现存劣势第21-22页
    3.4 径向基神经网络第22-25页
        3.4.1 径向基神经网络结构第22-23页
        3.4.2 径向基函数网络原理第23-24页
        3.4.3 径向基网络中心选择第24-25页
    3.5 Convolution-神经网络第25-28页
        3.5.1 网络结构第25-26页
        3.5.2 卷积神经网(CNN)原理第26-27页
        3.5.3 卷积神经网络的训练第27-28页
    3.6 本章小结第28-29页
第四章 神经网络的改进与并行化第29-44页
    4.1 神经网络并行化第29-30页
    4.2 BP网络的并行化与改进第30-34页
        4.2.1 MR-BP神经网络并行化设计第30-31页
        4.2.2 并行BP神经网络的GPU优化第31-32页
        4.2.3 改进的BP网络-自适应动量项第32-33页
        4.2.4 实验测试结果分析第33-34页
    4.3 径向基神经网络的优化与并行化第34-38页
        4.3.1 径向基神经网络并行化实现第34-37页
        4.3.2 结合萤火虫算法的改进RBF网络第37-38页
            4.3.2.1 萤火虫算法第37页
            4.3.2.2 利用萤火虫算法优化的RBF网络第37-38页
        4.3.3 实验结果分析第38页
    4.4 卷积神经网络(CNN)的改进与并行化第38-43页
        4.4.1 CNN-MR并行化过程第38-40页
        4.4.2 双重优化的CNN网络第40-42页
            4.4.2.1 利用K-means算法优化CNN第40-41页
            4.4.2.2 改进激活函数的CNN网络第41-42页
        4.4.3 MNIST实验测试第42-43页
    4.5 本章小结第43-44页
第五章 实验应用与分析第44-60页
    5.1 改进的BP网络在预测交通事故中的应用第44-48页
        5.1.1 实验数据说明第44页
        5.1.2 交通事故预测BP网络结构第44-45页
        5.1.3 实验结果分析第45-48页
            5.1.3.1 改进后BP网络收敛速度第45-47页
            5.1.3.2 改进BP神经网络预测正确率第47-48页
    5.2 优化后的RBF网络在预测道路上车流量中的应用第48-52页
        5.2.1 实验数据及相关处理说明第48-49页
        5.2.2 实验结果分析第49-52页
    5.3 改进后CNN网络的识别应用第52-54页
        5.3.1 实验数据及相关说明第52页
        5.3.2 结果与分析第52-54页
    5.4 MR框架下的改进的神经网络的应用第54-59页
        5.4.1 实验数据集及预处理说明第54-56页
        5.4.2 实验中算法能力评价准则第56页
        5.4.3 MR平台搭建第56-57页
        5.4.4 实验结果与分析第57-59页
    5.5 本章小结第59-60页
第六章 展望与总结第60-62页
    6.1 总结第60-61页
    6.2 展望第61-62页
参考文献第62-65页
附录A 本文作者攻读硕士学位期间发表的论文第65-66页
附录B 本文作者攻读硕士学位期间参加的项目第66-67页
致谢第67-68页

论文共68页,点击 下载论文
上一篇:板式换热器(火用)传递特性研究
下一篇:航拍图像中绝缘子定位与状态检测研究