神经网络在电力投资中的研究及应用
| 学位论文原创性声明和学位论文版权使用授权书 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·神经网络的发展和研究现状 | 第11-13页 |
| ·神经网络的起源和发展 | 第11-12页 |
| ·神经网络的研究内容 | 第12-13页 |
| ·电力投资项目方案的综合评价 | 第13页 |
| ·本文的主要内容及结构 | 第13-14页 |
| 第2章 人工神经网络 | 第14-39页 |
| ·神经网络概述 | 第14-21页 |
| ·人工神经元 | 第15-16页 |
| ·神经元激励函数 | 第16-18页 |
| ·神经网络的拓扑结构 | 第18页 |
| ·神经网络的学习和训练 | 第18-19页 |
| ·神经网络学习算法 | 第19-20页 |
| ·神经网络的学习与自适应 | 第20-21页 |
| ·神经网络的特性 | 第21页 |
| ·多层前馈神经网络(BP网络) | 第21-28页 |
| ·BP网络概述 | 第22页 |
| ·BP网络的激励函数 | 第22-23页 |
| ·BP网络的学习公式 | 第23-24页 |
| ·改进 BP算法收敛速度的措施 | 第24-26页 |
| ·BP网络的特点 | 第26-27页 |
| ·BP网络初值选取原则及隐含层节点个数的选定 | 第27-28页 |
| ·递归神经网络 | 第28-30页 |
| ·Elman网络 | 第28-29页 |
| ·改进的 Elman网络 | 第29-30页 |
| ·带有偏差单元的递归神经网络 | 第30-32页 |
| ·自适应共振神经网络 | 第32-38页 |
| ·ART的基本原理 | 第34-35页 |
| ·ART网络的学习算法 | 第35-37页 |
| ·ART模型的建立 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第3章 模糊优选神经网络理论 | 第39-45页 |
| ·模糊优选模型非线性函数的 Sigmoid型分析 | 第39-40页 |
| ·多层系统模糊优选理论 | 第40-43页 |
| ·模糊优选递归神经网络 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第4章 电力投资项目的综合评价 | 第45-51页 |
| ·综合评价指标体系 | 第45-47页 |
| ·应用实例 | 第47-50页 |
| ·应用模糊优选递归神经网络模型评价实例 | 第47-49页 |
| ·应用模糊优选 BP网络评价实例 | 第49页 |
| ·应用自适应共振神经网络评价实例 | 第49-50页 |
| ·评价结果比较 | 第50页 |
| ·小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 附录 A(攻读学位期间所发表的学术论文目录) | 第56-57页 |
| 附录 B(部分 MATLAB源程序) | 第57-62页 |
| 致谢 | 第62页 |
