导读:本文包含了多项式神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:推荐算法,深度学习,特征提取,二次多项式回归
多项式神经网络论文文献综述
廖彬,张陶,于炯,国冰磊,李敏[1]（2019）在《QPR-NN:一种结合二次多项式回归与神经网络的推荐算法》一文中研究指出针对传统推荐算法不能很好地适应数据高规模及高稀疏性的问题,结合深度学习数据建模的方法,提出了一种结合二次多项式回归与神经网络(QPR-NN)的推荐算法。在对已有特征提取方法缺陷分析的基础上,利用二次多项式回归模型将用户对物品的评分数据进行特征提取及降维,充分挖掘了用户与物品之间的相关性。将特征提取后的数据作为深度学习训练模型的输入,增加输入数据与训练模型之间的匹配度,并将训练得到的模型用于推荐评分预测。在MovieLens与Epinions两组数据集上的实验结果表明:QPR特征提取方法与QPR-NN推荐算法在平分绝对误差与均方根误差评价指标上均优于现有的主流算法,QPR-NN推荐算法可以有效提升推荐准确率。(本文来源于《西安交通大学学报》期刊2019年09期）
肖炜茗[2]（2019）在《基于Bernstein多项式和阶梯路径构造的前向插值神经网络及逼近能力》一文中研究指出神经网络是通过模拟人脑神经和记忆进行信息处理,通常是由诸多神经元互联构成的一种运算模型,它是由大量神经元相互连接而形成的非线性动力系统,尤其它在数据挖掘、系统辨识和智能控制等诸多研究领域有广泛应用.事实上,神经网络是模仿人类大脑的独特结构来处理大量数据信息,并且它可用来解决一些传统计算机难以完成的多输入多输出问题.因此,构造一个具有逼近性能的多输入前向神经网络具有重要理论意义.第一章:引言,主要介绍本文选题背景和研究现状.第二章:预备知识,介绍了 Bernstein多项式及其逼近定理,并引入单输入单输出(SISO)叁层前向神经网络、二输入单输出叁层前向神经网络及其对应的拓扑结构图.第叁章:利用一元Bernstein多项式在相邻等距剖分点的差值和Sigmodial转移函数性质设计叁层前向插值神经网络,并给出该网络选取连接权和阈值的方法.此外,依据一元Bernstein多项式逼近连续函数定理证明SISO叁层插值神经网络对连续函数具有逼近性,进而获得该插值神经网络的一种输入输出表达式.第四章:首先针对二维输入空间实施等距剖分,并基于相邻等距剖分点的差值和算术平均值选取连接权和阈值,进而按照二维等距剖分的阶梯形路径构造叁层前向插值神经网络模型.其次,利用Sigmodial转移函数性质证明二输入叁层前向插值神经网络对连续函数具有逼近性,并将二维插值网络的构造方法推广为n维情况.最后,通过模拟实例对不同阶梯形路径所对应二输入叁层前向插值神经网络的逼近性能进行了比较.(本文来源于《天津师范大学》期刊2019-03-01）
王燕燕,王宏伟[3]（2019）在《基于粒子群的后件多项式RBF神经网络算法》一文中研究指出RBF(径向基函数)神经网络能在各个领域得到了很好的应用,关键在于网络模型参数权值、网络中心值、基宽向量和隐含层节点数的选取。传统的RBF神经网络存在精度不高,容易陷入局部最优,收敛速度慢等缺点。针对这些问题,提出了利用粒子群算法优化后件多项式RBF神经网络方法,即优化含有后件多项式RBF神经网络的权值、网络中心值和基宽向量值,并选取最优的隐含层节点数,进而提出了PSOIRBF(基于粒子群的后件多项式RBF)神经网络。通过对非线性模型和实例等非线性被控对象的仿真研究及对模型的分析,表明了所提出算法的有效性。(本文来源于《计算机工程与应用》期刊2019年12期）
肖炜茗,王贵君[4]（2018）在《基于Bernstein多项式的SISO叁层前向神经网络的设计与逼近》一文中研究指出利用一元Bernstein多项式在相邻等距剖分点的差值和Sigmodial转移函数性质设计单输入单输出(single input single output,SISO)叁层前向神经网络,并给出选取连接权和阈值的方法。此外,依据一元Bernstein多项式逼近连续函数定理证明SISO叁层前向神经网络对连续函数也具有逼近性,进而通过实例获得该网络的一种输入输出解析表达式。(本文来源于《山东大学学报(理学版)》期刊2018年09期）
林凡杰[5]（2017）在《融合多项式与神经网络的RoF系统数字预失真技术研究》一文中研究指出光载无线(Radio-over-Fiber,RoF)是一种能够解决大传输速率与支持用户可移动性的传输技术。RoF技术由于其具有灵活性好、带宽利用率高和性价比较好的特点,被认为是未来光纤无线接入技术的一项重要选择。而在RoF系统中,由于光副载波调制,RoF系统很容易产生非线性失真,造成相邻信道间的干扰,特别是光调制器以及功率放大器产生的非线性信号是主要的失真来源。而预失真技术具有低成本、易实现的特点被广泛应用在对非线性系统的线性化中。本文主要利用数字预失真技术来处理RoF系统中存在的非线性失真问题。本文的主要研究内容包括:本文对RoF系统的构成及其主要器件的非线性特性、记忆效应的产生以及预失真技术进行了全面的研究。对数字预失真技术中使用的查找表法、Volterra级数模型以及神经网络模型进行了分析和比较。其次,在理论分析的基础上搭建RoF实验平台,将基于径向基函数神经网络模型应用在RoF系统的非线性建模以及线性化中。该模型与前向神经网络模型相比,训练时间大大降低,但是它在精确描述RoF系统的非线性特性的同时,计算复杂度很高。为了达到线性化效果与计算复杂度折中的目的,本文提出一种结合记忆多项式和径向基函数神经网络模型的数字预失真技术。该模型使用记忆多项式模型来补偿RoF系统的非线性,之后经过径向基函数神经网络模型来补偿记忆效应。文中使用双载波LTE信号对RoF系统进行线性化实验。实验结果表明新模型对比记忆多项式和径向基函数神经网络等模型在抑制带外频谱再生以及对叁阶交调失真的抑制上均有很好的改善,该模型对RoF系统ACPR的平均改善为13dB,对IMD3的平均改善为17dB,有效地提高了对RoF系统线性化的能力。(本文来源于《云南大学》期刊2017-03-01）
谭永宏,曾喆昭[6]（2016）在《基于多项式神经网络模型的人口预测方法研究》一文中研究指出为了提高人口预测精度,提出了基于多项式神经网络模型与递推最小二乘法的人口预测方法.方法完全避免了人为假设条件,充分利用我国六次人口普查数据来建立基于多项式神经网络模型的人口预测模型,并使用递推最小二乘算法递推计算多项式神经网络模型的加权系数.方法能有效预测中长期人口数据及其变化趋势.研究结果表明,中国将在2016年达到人口高峰1385亿.(本文来源于《数学的实践与认识》期刊2016年18期）
高超,刘丽[7]（2016）在《基于多项式与神经网络的陇南林区降水量预测模型》一文中研究指出本文基于径向基函数(radial basis function,RBF)神经网络非线性映射能力强、学习收敛快的特点,结合降雨量预测时全年各月降水量对待测月份降水量的相关性,提出一种多项式与径向基函数神经网络混合预测模型,并利用甘肃陇南各林区1944—2011年月降水量为样本对模型进行验证。仿真结果表明:在相同的样本空间下,本文预测模型与一般神经网络相比较,在降水量丰富的月份预测值与实际值误差更小,且收敛速度更快。(本文来源于《现代农业科技》期刊2016年14期）
李莎,曾喆昭[8]（2015）在《基于Chebyshev多项式的神经网络中长期负荷预测研究》一文中研究指出高精度负荷预测在提高电力系统的安全性和经济性方面有着极其重要的意义,而现有的负荷预测方法因参数有限,难以完全反映其内在规律,因而导致预测结果不够准确.为此提出了一种基于Chebyshev多项式神经网络模型的预测方法.该方法使用递推最小二乘法训练神经网络权值系数,以获得高精度的参数估计,从而实现Chebyshev多项式神经网络模型对负荷量的最优拟合,再利用训练好的Chebyshev多项式神经网络模型实现中长期负荷预测.研究结果表明,该方法能较好模拟负荷变化规律,有效提高了负荷预测精度,在电力系统负荷预测中有较大的应用价值.(本文来源于《经济数学》期刊2015年01期）
沈巍,李秋实,宋玉坤[9]（2015）在《权值直解的多项式神经网络及其解释能力设计》一文中研究指出设计并系统研究了广义多元多项式神经网络,单隐层广义多元多项式神经网络,证明存在最优权值向量使该网络成为未知函数的最佳逼近多项式;创造性地建立了隐层节点的自然次序上限和下限,以及重要值等概念,并引入了偏导数分析,解决了神经网络不具备解释能力的弊病。设计了权值直接解法,证明该解法所得的权值向量是迭代法逼近的最优权值向量。设计了基于Matlab的图形用户界面。通过该程序,用户可通过炒股软件更新股票数据,读取特定股票、特定容量的数据,进行不同模型下指定日期的预测。(本文来源于《系统仿真学报》期刊2015年03期）
钱飞,许素安,刘亚睿,黄艳岩[10]（2015）在《基于多项式拟合的压电陶瓷迟滞神经网络建模》一文中研究指出在压电陶瓷致动器优化设计的研究中,针对压电陶瓷的迟滞非线性特性,提出了一种基于多项式拟合算法的神经网络建模方法。由于压电陶瓷驱动器的迟滞现象是一种多对多的映射关系,而传统的建模方法只能对一对一映射进行建模。为解决上述问题,在对压电陶瓷迟滞现象的形成原因和特点进行深入分析的基础上,采用多项式拟合和神经网络相结合的方法对压电陶瓷驱动器的迟滞现象进行建模。仿真结果表明,采用多项式拟合算法的神经网络建模克服了传统建模方法只能对迟滞曲线进行分段建模的局限性,且拟合精度比较高,神经网络正模型的拟合误差为1.45%,神经网络逆模型的拟合误差为1.16%。表明上述神经网络模型精确地反映了压电陶瓷的迟滞特性。(本文来源于《计算机仿真》期刊2015年01期）
多项式神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
神经网络是通过模拟人脑神经和记忆进行信息处理,通常是由诸多神经元互联构成的一种运算模型,它是由大量神经元相互连接而形成的非线性动力系统,尤其它在数据挖掘、系统辨识和智能控制等诸多研究领域有广泛应用.事实上,神经网络是模仿人类大脑的独特结构来处理大量数据信息,并且它可用来解决一些传统计算机难以完成的多输入多输出问题.因此,构造一个具有逼近性能的多输入前向神经网络具有重要理论意义.第一章:引言,主要介绍本文选题背景和研究现状.第二章:预备知识,介绍了 Bernstein多项式及其逼近定理,并引入单输入单输出(SISO)叁层前向神经网络、二输入单输出叁层前向神经网络及其对应的拓扑结构图.第叁章:利用一元Bernstein多项式在相邻等距剖分点的差值和Sigmodial转移函数性质设计叁层前向插值神经网络,并给出该网络选取连接权和阈值的方法.此外,依据一元Bernstein多项式逼近连续函数定理证明SISO叁层插值神经网络对连续函数具有逼近性,进而获得该插值神经网络的一种输入输出表达式.第四章:首先针对二维输入空间实施等距剖分,并基于相邻等距剖分点的差值和算术平均值选取连接权和阈值,进而按照二维等距剖分的阶梯形路径构造叁层前向插值神经网络模型.其次,利用Sigmodial转移函数性质证明二输入叁层前向插值神经网络对连续函数具有逼近性,并将二维插值网络的构造方法推广为n维情况.最后,通过模拟实例对不同阶梯形路径所对应二输入叁层前向插值神经网络的逼近性能进行了比较.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多项式神经网络论文参考文献
[1].廖彬,张陶,于炯,国冰磊,李敏.QPR-NN:一种结合二次多项式回归与神经网络的推荐算法[J].西安交通大学学报.2019
[2].肖炜茗.基于Bernstein多项式和阶梯路径构造的前向插值神经网络及逼近能力[D].天津师范大学.2019
[3].王燕燕,王宏伟.基于粒子群的后件多项式RBF神经网络算法[J].计算机工程与应用.2019
[4].肖炜茗,王贵君.基于Bernstein多项式的SISO叁层前向神经网络的设计与逼近[J].山东大学学报(理学版).2018
[5].林凡杰.融合多项式与神经网络的RoF系统数字预失真技术研究[D].云南大学.2017
[6].谭永宏,曾喆昭.基于多项式神经网络模型的人口预测方法研究[J].数学的实践与认识.2016
[7].高超,刘丽.基于多项式与神经网络的陇南林区降水量预测模型[J].现代农业科技.2016
[8].李莎,曾喆昭.基于Chebyshev多项式的神经网络中长期负荷预测研究[J].经济数学.2015
[9].沈巍,李秋实,宋玉坤.权值直解的多项式神经网络及其解释能力设计[J].系统仿真学报.2015
[10].钱飞,许素安,刘亚睿,黄艳岩.基于多项式拟合的压电陶瓷迟滞神经网络建模[J].计算机仿真.2015