幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

BP網路結構優化與模型規範(精)

  • 作者：李祚泳//劉偉//張正健|責編:劉莉莉
  • 出版社：科學
  • ISBN：9787030784377
  • 出版日期：2024/05/01
  • 裝幀：精裝
  • 頁數：236
人民幣：RMB 159 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書針對BP網路存在的某些基本問題，提出用新概念廣義復相關係數R。定量描述樣本集的複雜性；建立含參數的BP網路檢測誤差E的定量關係表達式；導出具有最佳泛化能力的BP網路隱節點數H與樣本集的R之間滿足的關係式；給出BP網路泛化能力與學習能力之間滿足的幾種形式的過擬合不確定關係式；指出改進BP網路泛化能力的最佳停止訓練法。同時，還提出基於規範變換的前向神經網路普適評價模型和與相似樣本誤差修正法相結合的普適預測模型，並對模型的普適性和可靠性及同型規範變換的預測模型之間的兼容性和等效性進行數學論證。本書中規範變換的思想及方法對其他學科、領域的研究有借鑒和啟迪作用。
    本書可供人工智慧、神經網路、電子工程、信息科學、電腦科學、系統工程及環境科學與工程等學科、專業博士、碩士研究生閱讀，亦可供高校教師和科研院所的科研及管理人員參考。
作者介紹
李祚泳//劉偉//張正健|責編:劉莉莉
目錄
第1章  緒論
  1.1  神經網路發展簡介
  1.2  神經網路模型的分類
  1.3  神經網路模型的應用
  1.4  本書的主要內容
  參考文獻
第2章  BP網路簡介
  2.1  BP網路模型的基本思想
  2.2  BP網路演算法的學習過程
  2.3  BP網路的主要能力
  2.4  BP演算法的局限性
  2.5  BP演算法的改進
  2.6  BP網路的結構設計方法
  2.7  BP演算法若干注意事項
  參考文獻
第3章  提高BP演算法學習效率的方法
  3.1  基於改進粒子群演算法的BP網路權值優化演算法
    3.1.1  粒子群演算法
    3.1.2  粒子群演算法優化BP網路權值的新方法
    3.1.3  基於改進粒子群演算法的BP網路權值優化的模擬實驗
  3.2  基於蟻群演算法的BP網路權值優化演算法
    3.2.1  蟻群演算法
    3.2.2  基於蟻群演算法的BP網路模型
    3.2.3  基於蟻群演算法的BP網路權值優化的模擬實驗
  3.3  基於免疫進化演算法的BP網路權值優化演算法
    3.3.1  免疫進化演算法
    3.3.2  基於免疫進化演算法的BP網路模型
  3.4  基於禁忌搜索演算法的BP網路權值優化演算法
    3.4.1  禁忌搜索演算法
    3.4.2  基於禁忌搜索演算法的BP網路模型
  3.5  新疆伊犁河雅馬渡站年徑流量的IEA-BP和TS-BP預測模型
    3.5.1  資料來源及模型的建立
    3.5.2  三種BP網路模型計算結果的分析與比較
  3.6  本章小結
  參考文獻
第4章  BP網路結構優化
  4.1  BP網路泛化能力與網路結構之間關係的研究進展
  4.2  BP網路泛化能力表示式
    4.2.1  BP網路泛化能力與網路結構和樣本複雜性之間關係的分析
    4.2.2  BP網路泛化能力的一般表示式
  4.3  具有*佳泛化能力的BP網路隱節點數H0滿足的反比關係式
    4.3.1  BP網路*佳隱節點數H0滿足的H0-Rn反比關係式的建立
    4.3.2  廣義復相關係數Rn的計算
  4.4  *佳泛化能力的泛化誤差表達式中參數α和β的優化
    4.4.1  構建模擬測試函數和網路結構進行模擬實驗
    4.4.2  參數α和β的優化
  4.5  模型的可靠性分析和驗證
    4.5.1  *小檢測誤差公式的可靠性分析
    4.5.2  模型的驗證
  4.6  本章小結

    4.6.1  具有*佳泛化能力的BP網路結構的建立過程及檢驗過程
    4.6.2  本章的主要結果
    4.6.3  分析與比較
    4.6.4  結論
  參考文獻
第5章  H0-Rn關係式用於BP網路預測建模的實證檢驗
  5.1  基於隱節點數H0-Rn關係式的BP網路預測建模步驟
  5.2  基於H0-Rn的BP網路的洛河某河段BOD5預測
  5.3  基於H0-Rn的BP網路的青弋江寶塔根斷面CODCr預測
  5.4  基於H0-Rn的BP網路的南昌市降水pH預測
  5.5  基於H0-Rn的BP網路的郭庄泉流量預測
  5.6  基於H0-Rn的BP網路的灤河地下水位預測
  5.7  基於H0-Rn的BP網路的伊犁河雅馬渡站年徑流量預測
  5.8  基於H0-Rn的BP網路的某水庫年徑流量預測
  5.9  不同結構的BP網路的實例預測結果比較
  5.10  本章小結
  參考文獻
第6章  BP網路過擬合不確定關係式的幾種表示式
  6.1  BP網路過擬合滿足的測不準關係式
    6.1.1  BP網路權值改變與辨識誤差滿足的過擬合測不準關係式
    6.1.2  數值模擬實驗
    6.1.3  過擬合判別式
    6.1.4  結論
  6.2  BP網路過擬合不確定關係的改進式
    6.2.1  改進后的BP網路的不確定關係式
    6.2.2  確定過擬合參數p值的數值模擬實驗
    6.2.3  不確定關係式可判定建模過程中是否出現過擬合
    6.2.4  結論
  6.3  BP網路學習能力與泛化能力之間滿足的不確定關係式
    6.3.1  BP網路學習能力及泛化能力與其他因素之間的不確定關係式
    6.3.2  確定過擬合參數值q的數值模擬實驗
    6.3.3  不確定關係式的幾點討論
    6.3.4  根據逼近誤差要求和樣本複雜性選取隱節點數
    6.3.5  BP網路隱節點數確定公式合理性的驗證
    6.3.6  改進BP網路泛化能力的*佳停止訓練法
    6.3.7  結論
  6.4  基於廣義復相關係數的過擬合關係式
    6.4.1  基於廣義復相關係數建立的過擬合關係式
    6.4.2  過擬合參數的數值模擬實驗
    6.4.3  基於人工蜂群演算法的過擬合參數q?的優化
    6.4.4  兩個不同表示的不確定關係式的比較
    6.4.5  由訓練精度確定的*佳隱節點數計算公式
    6.4.6  由訓練精度確定的*佳隱節點數的模擬實驗
  6.5  本章小結
  參考文獻
第7章  NV-FNN的普適評價模型及實例驗證
  7.1  NV-FNN的普適評價模型
    7.1.1  NV-FNN的普適評價模型建立的基本思想
    7.1.2  指標值的規範變換式和參數的設置
    7.1.3  適用於任意系統的NV-FNN評價模型

    7.1.4  任意系統的NV-FNN評價模型的建立步驟
  7.2  任意系統的NV-FNN評價模型的可靠性分析
  7.3  NV-FNN評價模型用於環境質量評價
    7.3.1  濟南市空氣質量的NV-FNN評價模型
    7.3.2  天津市塘沽區地表水水質的NV-FNN評價模型
    7.3.3  黑龍洞泉域地下水水質的NV-FNN評價模型
    7.3.4  武漢市東湖富營養化的NV-FNN評價模型
  7.4  NV-FNN評價模型用於水資源評價
    7.4.1  黃河山西段水資源承載力的NV-FNN評價模型
    7.4.2  福建省地級市水資源可持續利用的NV-FNN評價模型
  7.5  NV-FNN評價模型用於安全或災害評價
    7.5.1  全國五省、區水安全的NV-FNN評價模型
    7.5.2  廣東省颱風災情的NV-FNN評價模型
  7.6  NV-FNN評價模型用於城市可持續發展評價
    7.6.1  指標參照值和變換式的設置及指標規範值的計算
    7.6.2  模型的評價分級標準值
    7.6.3  樣本的模型計算輸出值及評價結果
  7.7  本章小結
  參考文獻
第8章  與誤差修正結合的NV-FNN普適預測模型
  8.1  NV-FNN普適預測模型
    8.1.1  NV-FNN預測模型建立的基本思想
    8.1.2  預測變數及其影響因子的規範變換式
    8.1.3  兩種簡單結構的NV-FNN預測模型
    8.1.4  兩種NV-FNN預測模型訓練樣本的組成
    8.1.5  兩種NV-FNN預測模型參數的優化
    8.1.6  兩種NV-FNN預測模型精度的F值統計檢驗
  8.2  誤差修正公式及兩種NV-FNN預測模型的建立
    8.2.1  誤差修正公式及公式中正、負號和相似樣本的選擇
    8.2.2  與誤差修正結合的NV-FNN預測模型的建立過程
  8.3  NV-FNN預測模型的理論基礎
    8.3.1  與誤差修正結合的NV-FNN預測模型誤差的理論分析
    8.3.2  NV-FNN預測模型的可靠性分析
  8.4  時間序列的NV-FNN預測模型
    8.4.1  時間序列數據的規範變換式
    8.4.2  適用於時間序列的NV-FNN預測模型的建立
  8.5  本章小結
  參考文獻
第9章  NV-FNN預測模型在多個領域中的應用之一
  9.1  NV-FNN預測模型用於某城市SO2濃度預測
    9.1.1  某城市SO2濃度及其影響因子的參照值和變換式
    9.1.2  某城市SO2濃度的NV-FNN預測模型的計算輸出值
    9.1.3  NV-FNN預測模型的精度檢驗
    9.1.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    9.1.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  9.2  NV-FNN預測模型用於鄭州市NO2濃度預測
    9.2.1  鄭州市NO2濃度及其影響因子的參照值和變換式
    9.2.2  鄭州市NO2濃度的NV-FNN預測模型的計算輸出值
    9.2.3  NV-FNN預測模型的精度檢驗
    9.2.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值

    9.2.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  9.3  NV-FNN預測模型用於西安市灞河口CODMn年均值預測
    9.3.1  灞河口CODMn年均值及其影響因子的參照值和變換式
    9.3.2  灞河口CODMn年均值的NV-FNN預測模型的計算輸出值
    9.3.3  NV-FNN預測模型的精度檢驗
    9.3.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    9.3.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  9.4  NV-FNN預測模型用於青弋江蕪湖市區段CODCr預測
    9.4.1  青弋江蕪湖市區段CODCr及其影響因子的參照值和變換式
    9.4.2  青弋江蕪湖市區段CODCr的NV-FNN預測模型的計算輸出值
    9.4.3  NV-FNN預測模型的精度檢驗
    9.4.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    9.4.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  9.5  NV-FNN預測模型用於渭河某河段BOD5預測
    9.5.1  渭河某河段BOD5及其影響因子的參照值和變換式
    9.5.2  渭河某河段BOD5的NV-FNN預測模型的計算輸出值
    9.5.3  NV-FNN預測模型的精度檢驗
    9.5.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    9.5.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  9.6  NV-FNN預測模型用於南昌市降水pH預測
    9.6.1  南昌市降水pH及其影響因子的參照值及變換式
    9.6.2  南昌市降水pH的NV-FNN預測模型的計算輸出值
    9.6.3  NV-FNN預測模型的精度檢驗
    9.6.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    9.6.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  9.7  本章小結
  參考文獻
第10章  NV-FNN預測模型在多個領域中的應用之二
  10.1  NV-FNN預測模型用於伊犁河雅馬渡站年徑流量預測
    10.1.1  雅馬渡站年徑流量及其影響因子的參照值及變換式
    10.1.2  雅馬渡站年徑流量的NV-FNN預測模型的計算輸出值
  10.1  -3 NV-FNN預測模型的精度檢驗
    10.1.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    10.1.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  10.2  NV-FNN預測模型用於灤河某觀測站地下水位預測
    10.2.1  灤河某觀測站地下水位及其影響因子的參照值及變換式
    10.2.2  地下水位的NV-FNN預測模型的計算輸出值
  10.2  -3 NV-FNN預測模型的精度檢驗
    10.2.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    10.2.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  10.3  NV-FNN預測模型用於煙台市水資源承載力預測
  10-3.1  煙台市水資源承載力及其影響因子的參照值及變換式
    10.3.2  水資源承載力的NV-FNN預測模型的計算輸出值
  10.3  -3 NV-FNN預測模型的精度檢驗
  10_3.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
  10_3.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  10.4  NV-FNN預測模型用於密雲水庫溶解氧時序預測
    10.4.1  密雲水庫溶解氧時序變數的參照值及變換式
    10.4.2  溶解氧時序變數的NV-FNN預測模型的計算輸出值
  10.4  -3 NV-FNN預測模型的精度檢驗

    10.4.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    10.4.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  10.5  NV-FNN預測模型用於牡丹江市TSP濃度時序預測
    10.5.1  牡丹江市TSP時序變數的參照值及變換式
    10.5.2  TSP時序變數的NV-FNN預測模型的計算輸出值
    10.5.3  NV-FNN預測模型的精度檢驗
    10.5.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    10.5.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  10.6  NV-FNN預測模型用於倫河孝感段CODMn時序預測
    10.6.1  倫河孝感段CODMn時序變數的參照值及變換式
    10.6.2  COD?時序變數的NV-FNN預測模型的計算輸出值
    10.6.3  NV-FNN預測模型的精度檢驗
    10.6.4  檢測樣本誤差修正後的NV-FNN模型輸出值及預測值
    10.6.5  檢測樣本的多種預測模型預測值的相對誤差及比較
  10.7  本章小結
  參考文獻
第ll章  同型規範變換的不同變數的NV-FNN預測模型的兼容性和等效性及實例
    驗證
  11.1  同型規範變數預測模型的兼容性和等效性的理論基礎
  11.2  同型規範變數的NV-FNN預測模型用於灞河口CODMn預測
    11.2.1  同型規範徑流量的NV-FNN預測模型用於灞河口CODMn預測
    11.2.2  同型規範TSP時序的NV-FNN預測模型用於灞河口CODMn預測
  11.3  同型規範變數的NV-FNN預測模型用於雅馬渡站徑流量預測
    11.3.1  同型規範CODMn、的NV-FNN預測模型用於雅馬渡站徑流量預測
    11.3.2  同型規範TSP時序的NV-FNN預測模型用於雅馬渡站徑流量預測
  11.4  同型規範變數的NV-FNN預測模型用於牡丹江市TSP時序預測
    11.4.1  同型規範CODMn、的NV-FNN預測模型用於牡丹江市TSP時序預測
    11.4.2  同型規範徑流量的NV-FNN預測模型用於牡丹江市TSP時序預測
  11.5  同型規範變換的NV-FNN預測模型和其他預測模型預測結果的比較
  11.6  本章小結
  參考文獻
第12章  總結與展望
  12.1  BP網路的結構優化
    12.1.1  提出了提高BP網路學習效率的幾種優化演算法
    12.1.2  建立了BP網路最佳隱節點數與樣本集複雜性之間的反比關係式
    12.1.3  建立了BP網路泛化能力與學習能力之間的幾種過擬合不確定關係式
  12.2  BP網路的模型規範
    12.2.1  建立了規範變換的NV-FNN普適評價模型
    12.2.2  建立了規範變換的NV-FNN普適預測模型
  12.3  模型的分析與比較
    12.3.1  數據的規範變換式與傳統變換式的比較
    12.3.2  NV-FNN評價模型與傳統FNN評價模型的比較
    12.3.3  NV-FNN預測模型與評價模型的變換式比較
    12.3.4  NV-FNN預測模型與傳統FNN預測模型的比較
    12.3.5  NV-FNN預測模型與NV-F=NN評價模型的比較
  12.4  展望
    12.4.1  前饋型神經網路共同面臨的問題
    12.4.2  相似樣本誤差修正法還需要完善
  12.5  本章小結
附錄

後記

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032