论文题目的提出及意义

风靡全球

论文题目的提出及意义

激烈的市场竞争和日趋苛刻的企业生产经营环境,使企业越来越重视基于实际生产数据的建模研究成果的实际应用。另一方面,近十几年来,现代统计学、人工神经网络和遗传算法等为非线性关系的揭示和建模提供了大量的可用成果。应用这些理论和方法揭示实际生产数据之间的复杂关系,并建立相应的模型,己成为当今发达国家的研究热点之一。有些成果已经在许多企业的生产控制和管理中得到了实际应用。

神经网络技术以较少的实验工作量,建立高精度的变量间的非线性映射模型。利用神经网络技术可建立各种指标与影响因素之间的非线性映射,ANN具有自学习自记忆的功能,学习结束后建立起来的网络模型反映了变量之间的相互关系,有较好的预测效果。

然而,由于生产数据的杂乱性、非线性建模本身的复杂性和应该作为网络自变量的选厂工艺参数量化数据的缺乏等,建立实用的选厂数学模型,是一项复杂和难度较大的工作。无论在国内还是国外,神经网络预测模型在矿业中的应用尚属初级阶段。基于目前选厂的技术要求,应用ANN技术在选矿厂进行研究,结合建模理论,寻找一种新的选矿厂数据处理方法,在生产中,将有较好的工作前景。本文应用SPSS的主成分分析法和均值比较与神经网络相结合,将提高选矿厂建模的质量,同时还可丰富复杂非线性建模的理论、方法与实践。如前所述,这一研究尚属初级阶段,还有许多方面需要进一步完善、提高。

人工神经网络的结构

根据连接方式的不同,神经网络可分为以下几种:

(l)不含反馈的前向网络。如图.22(a)所示,神经元分层排列,组成输入层、隐含层(亦称中间层,可有若干层)和输出层。每一层的神经元只接受前一层神经元的输入。输入模式经过各层的顺次变换后,得到输出层输出。感知器和BP算法中所使用的网络都属于这种类型;

(2)从输出层到输入层有反馈的前行网络。如图.22(b)所示,福岛和oJrdan提出的网络都属于这种类型,它可用来存储某种模式序列,如神经认知机即属此类;

(3)层内有相互结合的前向网络。如图.22(c)所示,通过层内神经元间的相互结合,可以实现同一层内神经元之间的横向抑制或兴奋机制,这样可以限制每层内能同时动作的神经元数,或者把每层内的神经元分为若干组,让每组作为一个整体来动作。例如,可以利用横向抑制机制把某层内具有最大输出的神经元挑选出来,而抑制其它神经元处于无输出的状态;

(4)相互结合型网络。如图.22(d)所示,这种网络是在任意两个神经元之间都可能有连接。HNN和Boltzman机都属于这一类。在无反馈的前向网络中,信号一旦通过某个神经元,过程就结束了,而在相互结合网络中,信号要在神经远之间反复往返传递,网络处在一种不断改变状态之中。从某初态开始,经过若干次的变化,才会到达某种平衡状态,根据网络的结构和神经元的特性,还有可能进入周期振荡或其它如混沌等平衡状态。

wudicll

很有用，谢谢楼主

wudicll

然而我却看不到图在哪里

wudicll

十分感谢，谢谢

wudicll

楼主是好人
' W$ S5 a7 K. }7 }/ s