基于神经网络的移动主机路径预测
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-12页 |
| ·无线局域网体系结构 | 第7-8页 |
| ·研究路径预测的背景及意义 | 第8-10页 |
| ·无线局域网中MH的移动切换 | 第8-10页 |
| ·研究路径预测的意义 | 第10页 |
| ·本文的主要工作及结构安排 | 第10-12页 |
| 第二章 用于移动主机路径预测的MARKOV 模型 | 第12-16页 |
| ·马尔可夫过程 | 第12-14页 |
| ·用于移动主机路径预测的Markov模型 | 第14-16页 |
| ·二阶的Markov预测器 | 第14-15页 |
| ·Markov预测器的优点和缺陷 | 第15-16页 |
| 第三章 神经网络基本理论 | 第16-32页 |
| ·神经网络概述 | 第16-22页 |
| ·神经网络的发展应用 | 第16-17页 |
| ·神经网络特点 | 第17-18页 |
| ·神经网络的拓扑结构 | 第18-19页 |
| ·神经网络的学习方式和规则 | 第19-22页 |
| ·BP(误差反传)网络简介 | 第22-27页 |
| ·BP网络基本原理 | 第22-24页 |
| ·BP网络数学模型和BP算法实现 | 第24-26页 |
| ·BP网络的缺陷和改进 | 第26-27页 |
| ·Elman神经网络模型 | 第27-32页 |
| ·Elman网络基本原理 | 第28-29页 |
| ·Elman网络数学模型 | 第29-31页 |
| ·Elman网络的优点和缺陷 | 第31-32页 |
| 第四章 用于移动主机路径预测的神经网络仿真及实现 | 第32-51页 |
| ·仿真环境 | 第32-33页 |
| ·MATLAB简介 | 第33页 |
| ·Neurosolution简介 | 第33页 |
| ·数据样本的建立 | 第33-34页 |
| ·样本数据的来源 | 第33-34页 |
| ·样本数据的提取 | 第34页 |
| ·BP网络仿真实现 | 第34-41页 |
| ·建立移动主机路径预测模型 | 第35-38页 |
| ·试验结果及分析 | 第38-41页 |
| ·Elman网络仿真实现 | 第41-43页 |
| ·建立移动主机路径预测模型 | 第41-42页 |
| ·试验结果及分析 | 第42-43页 |
| ·改进的Elman神经网络模型 | 第43-51页 |
| ·网络学习算法 | 第44-45页 |
| ·算法收敛性分析 | 第45-49页 |
| ·仿真试验 | 第49-51页 |
| 第五章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 摘要 | 第56-59页 |
| Abstract | 第59-63页 |
| 致谢 | 第63-64页 |
| 导师及作者简介 | 第64页 |
