基于改进神经网络算法的斜拉桥参数识别研究 |
论文目录 | | | 摘要 | 第1-7页 | | Abstract | 第7-11页 | | 第1章 绪论 | 第11-17页 | | · 引言 | 第11页 | | · 斜拉桥概述 | 第11-14页 | | · 斜拉桥的发展 | 第11-13页 | | · 多塔斜拉桥的发展 | 第13-14页 | | · 斜拉桥施工控制概述 | 第14-15页 | | · 斜拉桥施工控制方法发展历程 | 第14-15页 | | · 斜拉桥施工控制的必要性 | 第15页 | | · 施工控制中的结构参数识别 | 第15页 | | · 亟需解决的问题及本文主要研究内容 | 第15-17页 | | 第2章 斜拉桥施工控制中的参数识别方法 | 第17-32页 | | · 概述 | 第17页 | | · 最小二乘法 | 第17-18页 | | · 卡尔曼滤波法 | 第18-21页 | | · 卡尔曼滤波法参数识别原理 | 第18-20页 | | · 卡尔曼滤波法的发展现状 | 第20-21页 | | · 灰色系统理论概述 | 第21-24页 | | · 灰色系统理论基础 | 第21-22页 | | · 数据累加和累减 | 第22页 | | · 灰色建模理论 | 第22-24页 | | · 人工神经网络方法 | 第24-30页 | | · 神经元模型 | 第25-29页 | | · 神经网络结构和模型 | 第29-30页 | | · 神经网络学习规则 | 第30页 | | · 识别方法的比较 | 第30-31页 | | · 本章小结 | 第31-32页 | | 第3章 传统BP神经网络 | 第32-49页 | | · BP神经网络及其模型 | 第32-33页 | | · BP神经网络概述 | 第32页 | | · BP神经网络模型 | 第32-33页 | | · BP神经网络基本算法及MATLAB语言实现 | 第33-38页 | | · BP算法的基本原理 | 第33-36页 | | · BP算法实现的基本步骤 | 第36-37页 | | · BP算法的MATLAB语言实现 | 第37-38页 | | · BP神经网络的仿真识别 | 第38-48页 | | · 网络识别关键参数的选取 | 第38-41页 | | · 样本库的建立 | 第41-43页 | | · 识别结果及分析 | 第43-48页 | | · 本章小结 | 第48-49页 | | 第4章 两种改进的神经网络算法 | 第49-70页 | | · 灰色神经网络 | 第49-58页 | | · 灰色系统与神经网络各自特点 | 第49-50页 | | · 灰色系统与神经网络的融合方式 | 第50-51页 | | · 灰色神经网络模型GNNM(1,1)的建立 | 第51-52页 | | · 灰色神经网络模型GNNM(1,1)的学习算法 | 第52-54页 | | · 灰色神经网络仿真识别 | 第54-56页 | | · 与BP神经网络识别结果比较 | 第56-58页 | | · 基于遗传算法的BP神经网络 | 第58-67页 | | · 遗传算法概述 | 第58-59页 | | · 遗传算法流程 | 第59-60页 | | · 遗传算法和BP神经网络相结合 | 第60-62页 | | · 基于遗传算法的BP神经网络优化算法仿真识别 | 第62-65页 | | · 与BP神经网络识别结果比较 | 第65-67页 | | · 两种优化神经网络识别结果比较 | 第67-68页 | | · 本章小结 | 第68-70页 | | 第5章 神经网络参数识别方法的工程实践 | 第70-79页 | | · 嘉绍大桥施工监控内容和特点 | 第70-72页 | | · 工程概况 | 第70-71页 | | · 嘉绍大桥施工监控的特点 | 第71-72页 | | · 优化BP网络在嘉绍大桥中的应用 | 第72-78页 | | · 网络建立和数据处理 | 第72-74页 | | · 识别结果及结果分析 | 第74-78页 | | · 本章小结 | 第78-79页 | | 总结与展望 | 第79-81页 | | 致谢 | 第81-82页 | | 参考文献 | 第82-86页 | | 攻读硕士学位期间参与的科研项目 | 第86
页 |
|
|
|
