版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、重慶大學(xué)碩士學(xué)位論文基于偏最小二乘的BP網(wǎng)絡(luò)模型及其應(yīng)用姓名:張艷粉申請(qǐng)學(xué)位級(jí)別:碩士專(zhuān)業(yè):概率論與數(shù)理統(tǒng)計(jì)指導(dǎo)教師:劉瓊蓀20070420重慶大學(xué)碩七學(xué)位論文英文摘要ABSTRACTThepartialleastsquaremethodisamultivariatestatisticalanalysismethodT11ismethodhasitspopularutilityintermsofchemicalplant,financi
2、alanalysis,marketanalysis,medicamentanalysis,computationchemical,industrydesignetcThismethodsettlespreferablytheproblemwhichdoesn’tbeensettlebythecommonmultivariatelinearregressionThismethodappliesmultivariateregressionc
3、anonicalcorrelationalanalysisandprincipalcomponentanalysistodataanalysisItrealizesmanifolddataanalysismethodThebackpropagationalgorithmhasbeenwidelyrecognizedasalleffectivemethodfortrainingfeedforwardneuralnetworksThisme
4、thodhasitspopularutilityintermsofpaRemrecognition,controlengineering,signalprocessingandeconomicpredictionetcHowever,thereexistsseveralessentialdefectsinback—propagationalgorithmasfollows:slowconvergence,trapinlocalminim
5、aworsetolerantcapacityandthereisnottheuniformtheorywhichtheweightsinitializationofinputfloorandoutputfloorareset,thememberofhiddennodesaresetandthememberofhiddenfloorsaresetTllispaperimproveonthedefectwhichthereisnottheu
6、niformtheorywhichtheweightsinitializationofinputfloorandoutputfloorareset,thememberofhiddennodesaresetandthememberofhiddenfloorsalesetinBPnetworkFirstly,wepropoundanovelBPnetworkmodelbasedonnonlineariterativepartialleast
7、squaresalgorithmwhichCanfitnonlineardataafterweexpoundpartialleast—squaresalgorithmsystematicallyinthispaperandwevalidatethisnewmodelandcomparetotheBPPLSmodelsforinstance111eresultshowedthatthenewmodelhadbeRerfittingandf
8、orecastthanBP,PLSmodelsThus,thedefectwhichthereisnottheuniformtheorywhichtheweightsinitializationofinputfloorandoutputfloorareset,thememberofhiddennodesaresetandthememberofhiddenfloorsaresetinBPnetworkissettledpartlyThis
9、modelCanreduceiterativestepnumberandadvancelearningefficiencyacertainextentalsoadvanceavailabilitytheperformanceofback—propagationalgorithmSecondlywebaseonthesalneideaWeusetheorthogonaisignalcorrectionmethodtosettlethede
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 偏最小二乘回歸模型的改進(jìn)研究.pdf
- 偏最小二乘變量篩選法及其應(yīng)用研究.pdf
- 偏最小二乘回歸的研究.pdf
- 偏最小二乘改進(jìn)算法研究及應(yīng)用.pdf
- 在半導(dǎo)體制造中的偏最小二乘算法、模型及其應(yīng)用.pdf
- 偏最小二乘回歸算法改進(jìn)及應(yīng)用.pdf
- 偏最小二乘QSAR模型的建立驗(yàn)證與應(yīng)用研究.pdf
- 基于偏最小二乘回歸的混凝土壩變形監(jiān)控模型研究.pdf
- 基于偏最小二乘估計(jì)的審計(jì)定價(jià)研究.pdf
- 基于偏最小二乘的近紅外煤質(zhì)分析.pdf
- 偏最小二乘回歸及其在機(jī)組參數(shù)預(yù)測(cè)中的應(yīng)用.pdf
- 基于偏最小二乘回歸的混凝土壩變形監(jiān)控模型研究(1)
- 基于偏最小二乘回歸的大壩安全監(jiān)控統(tǒng)計(jì)模型的研究.pdf
- 偏最小二乘算法及其在基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的機(jī)器學(xué)習(xí)中的應(yīng)用.pdf
- 基于偏最小二乘的人臉識(shí)別算法研究.pdf
- 基于SLT的偏最小二乘分類(lèi)算法及其優(yōu)化方法研究.pdf
- 基于改進(jìn)偏最小二乘的過(guò)程監(jiān)測(cè)方法研究.pdf
- 基于偏最小二乘的迭代學(xué)習(xí)控制方法研究.pdf
- 最小二乘與最小二乘支撐向量機(jī).pdf
- 線性模型參數(shù)的最小二乘估計(jì)理論及其應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論