文档介绍：天津大学
硕士学位论文
小波神经网络及其应用研究
姓名:曾华
申请学位级别:硕士
专业:技术经济及管理
指导教师:张世英

摘要关键词〔ㄉ窬纭⑹逼捣治觥⒆钚《恕焯荻认陆邓惴ā⒑旯劬息的分布式存储、容错性、自组织自适应能力、非线性等特点,而且它还具有自动控制和模拟人的思维等许多方面。//■小波神经网络是一种前向神经网络,它不但具有并行结构与并行处理、信介绍了小波神经网络提出的理论基础一小波分析理论,比较了小波神经网络与比较,实验说明小波神经网络具有更快的收敛速度和更高的拟合精度;最后在芦一般神经网络所无法达到的收敛速度、收敛精度以及完美的小波理论基础,因此可以广泛的应用于信号处理、函数拟合、数据预测、系统辨识、故障诊断、本文共分为五章:第一章中介绍了小波神经网络的产生的过程和小波神经网络的研究现状,对小波神经网络模型及其特征与应用进行了介绍:第二章中多层前向神经网络的逼近理论的异同,然后简要说明了小波神经网络对一类平逼浣峁箍扇范ㄐ裕辉诘谌轮形颐翘岢隽嘶谛〔ㄊ逼捣析理论的小波神经网络的结构设计方法,然后研究了基于小波神经网络的三种算法:、&和,最后在仿真实验中将其与常用的网络相本文的第四章和第五章我们分别在工业系统定量风险分析、宏观经济波动方面建立了小波神经网络模型,进行了实证研究,研究表明小波神经网络具有很好的应用前景。济波动/ⅲ。
篧,—簑琣琣篠,甒甀疭,瓵甀,.,,琤甀.,琣,.’—,疭,珽甋
第一章小波神经网络综述第一节神经网络基本概念一神经网络的形象化描述事实上,探究大脑一思维一计算之间的关系还刚刚开始,道路还十分漫长,关风风雨雨。神经网络是一门活跃的边缘性交叉学科,研究它的发展过程和前沿问题具有重要的理论意义。神经网络理论是巨量信息并行处理和大规模平行计于脑的计算原理、学忆过程的机理及其模拟等方面的研究已受到人们的神经元是神经网络的基本处理单元,它一般是一个多输入,单输出的非线性单元,神经元坼的结构模型如图所示。神经网络诞生半个多世纪以来,其发展历程并非是一帆风顺,经历过不少算的基础,神经网络既是高度非线性动力学系统,又是自适应组织系统,可用来描述认知、决策及控制的智能行为。它的中心问题是智能的认知和模拟。从解剖学和生理学来看,人脑是一个复杂的并行系统,它不同于传统的式计算机,更重要的是它具有“认知”、“意识”和“感情”等高级脑功能。我们以人工方法摸拟这些功能,毫无疑问,有助于加深对思维及智能的认识。关注,它未来的发展必将是激动人心的。神经网络理论的前沿问题将渗透在世纪科学的挑战性问题中,可能会取得重大的突破。图神经元结构模型其中,琻硎旧窬猽氖涑鲂畔ⅲ瑆,...,表示从神经元到的连接权重,,它体现了神经元的非线性特征。常用作激励函数的函数有阶跃函数、分段函数、数、径向基函数和小波函数等。天津人学硕士论文
瑟⋯瑟输入层!R灰恪!R籌输出层蔓二童尘茎塑丝型竺堡生二神经网络的分类蒌堡查兰堡:ほ的神经元的连接方式有关。一般的,神经网络可以依据其连接方式分为以下四如图所示,神经元分层排列,有输入层、隐层和输出层。每一神经元只接受前一层神经元的输入,只向后一层神经元提供输出,同层神经元之间相图前馈神经网络模型邮涑霾愕绞淙氩阌蟹蠢〉那跋蛲如图所示。例如神经认知机等都属于这种类型,该网络具有记忆功能,可以用来存储某种模式序列和进行字符识别。如图所示。通过层内之间的相互联结,实现在同一层内神经元之间的神经网络是通过大量的神经元连接而成的,因而神经网络的性能与其内部袄⊥互独立。如感知器、网络、绾蚖等。它是目前最常见和应用最多的神经网络,主要应用于系统辨识、评价、预测和自适应控制等领域。图有输出反馈的前向网络隳谟邢嗷チ拥那跋蛲横向抑制兴奋机制,这样可以限制每一层内同时动作的神经元个数,或把每一层内的神经元分成若干组,让每一组作为一个整体来动作。这种网络比较少见,可用于聚类和分类领域。类:嗷チ油
瑟⋯至铲箇而吨酪弧璏激励函数·谡饫锶〗自竞齯。学习过程就是调整%,使网络得到满㈦·,意的输出。.ㄒ逦#㈦:,三模型及学习规则笙二主尘篓壁丝型竺墨鎏查兰堡罕だ如图所示。这种网络在任意两个神经元之间都有可能有连接鏗衡。这类网络能够进行自联想、模式识别和信号识别等。形式神经网络模型。设有錾窬O嗷チ樱扛錾窬5幕钚宰刺琒.,和机都属于这一类。在这类相互连接的神经网络之间,信号要在神经元之间反复往返传递,网络处于一个不断改变的动态过程中,最终达到一种平图相互连接模型模型是年代初美国心理学家褪Ъ襊共同提出的琋或直鸨硎疽种谱刺托朔茏刺C扛錾窬0聪铝泄嬖受其它神经元的制约,其中代表从神经元到V涞牧忧慷龋戳尤ㄖ兀I窬5挠蛑担如果将域值看成权值为的外部输入,则式可改写成:
秄∑