基于过程神经网络集成的航空发动机性能衰退预测
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题来源及研究的目的和意义 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·研究的目的和意义 | 第9-10页 |
| ·国内外研究发展现状 | 第10-14页 |
| ·航空发动机性能衰退预测原理 | 第10-11页 |
| ·航空发动机性能衰退参数预测技术的发展现状 | 第11-12页 |
| ·过程神经网络原理及发展现状介绍 | 第12-13页 |
| ·神经网络集成概念及国内外研究现状 | 第13-14页 |
| ·本文的主要研究内容 | 第14-16页 |
| 第2章 基于单一过程神经网络的航空发动机性能预测 | 第16-33页 |
| ·引言 | 第16页 |
| ·单一过程神经网络的性能衰退预测 | 第16-26页 |
| ·前馈过程神经网络预测 | 第16-19页 |
| ·双并联过程神经网络预测 | 第19-22页 |
| ·小波过程神经网络预测 | 第22-26页 |
| ·基于预测结果的单一过程神经网络泛化能力分析 | 第26-31页 |
| ·神经网络结构及网络各层传递函数 | 第26-28页 |
| ·训练样本的数量和质量 | 第28-29页 |
| ·学习时间和学习精度 | 第29页 |
| ·样本归一化和学习率 | 第29-31页 |
| ·单一过程神经网络的缺点 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 过程神经网络集成及其应用 | 第33-44页 |
| ·引言 | 第33页 |
| ·过程神经网络集成的理论基础 | 第33-34页 |
| ·神经网络集成的错误概率 | 第33-34页 |
| ·神经网络集成泛化错误计算公式 | 第34页 |
| ·过程神经网络集成实现方法及实验实例 | 第34-43页 |
| ·个体网络生成方法 | 第34-37页 |
| ·过程神经网络集成预测模型 | 第37页 |
| ·结论合成方式 | 第37-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 过程神经网络集成的泛化能力分析 | 第44-52页 |
| ·引言 | 第44页 |
| ·过程神经网络集成的泛化能力分析 | 第44-49页 |
| ·个体过程神经网络的泛化能力及差异度 | 第45-46页 |
| ·个体过程神经网络结论合成方式 | 第46-49页 |
| ·与单一过程神经网络模型泛化能力的比较分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 系统开发与应用 | 第52-60页 |
| ·引言 | 第52页 |
| ·功能需求 | 第52-53页 |
| ·体系结构设计 | 第53-55页 |
| ·功能及工作流程设计 | 第55页 |
| ·各功能简介 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
