基于正交最小二乘的逻辑积网络非线性回归模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究内容与创新点 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 非线性回归模型 | 第15-28页 |
| 2.1 机器学习中的回归问题 | 第15-17页 |
| 2.1.1 回归问题的描述 | 第15-16页 |
| 2.1.2 非线性回归的基本思想 | 第16-17页 |
| 2.2 经典的非线性回归模型 | 第17-24页 |
| 2.2.1 支持向量机 | 第17-19页 |
| 2.2.2 相关向量机 | 第19-22页 |
| 2.2.3 径向基函数网络 | 第22-24页 |
| 2.3 参数估计方法 | 第24-27页 |
| 2.3.1 梯度下降法 | 第25-26页 |
| 2.3.2 遗传算法 | 第26-27页 |
| 2.3.3 模拟退火算法 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于正交最小二乘的逻辑积网络回归模型 | 第28-41页 |
| 3.1 正交最小二乘法 | 第28-30页 |
| 3.2 逻辑积网络的基函数构造 | 第30-32页 |
| 3.2.1 基函数 | 第30页 |
| 3.2.2 逻辑积网络的基函数构造 | 第30-32页 |
| 3.3 基于重复加权推进搜索算法的网络参数优化 | 第32-35页 |
| 3.3.1 参数符号化 | 第33页 |
| 3.3.2 算法流程 | 第33-35页 |
| 3.4 基于正交最小二乘的逻辑积网络回归模型 | 第35-36页 |
| 3.5 实验 | 第36-40页 |
| 3.5.1 实验数据 | 第36-38页 |
| 3.5.2 实验结果分析 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 一种新的逻辑积网络回归模型 | 第41-47页 |
| 4.1 研究动机 | 第41-42页 |
| 4.2 一种新的逻辑积网络回归模型 | 第42-44页 |
| 4.2.1 算法思想 | 第42页 |
| 4.2.2 算法流程 | 第42-44页 |
| 4.3 实验 | 第44-45页 |
| 4.3.1 实验数据 | 第44-45页 |
| 4.3.2 实验结果分析 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 总结及展望 | 第47-49页 |
| 5.1 本文工作总结 | 第47页 |
| 5.2 后续的研究工作 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |
