人工神經(jīng)網(wǎng)絡(luò)及其在水質(zhì)信息檢測中的應用
定 價：24 元
- 作者：陳麗華 ，等 著
- 出版時間：2011/4/1
- ISBN：9787118074451
- 出 版 社：國防工業(yè)出版社
- 中圖法分類：X832
- 頁碼：143
- 紙張：膠版紙
- 版次：1
- 開本：16開
人工神經(jīng)網(wǎng)絡(luò)是目前國際上迅速發(fā)展的前沿交叉學科。它是模擬生物神經(jīng)結(jié)構(gòu)的新型計算機系統(tǒng)，具有廣泛的應用前景。
人工神經(jīng)網(wǎng)絡(luò)能夠把不確定的、非結(jié)構(gòu)化的信息以及圖像進行識別、處理，非常適合水質(zhì)信息檢測。
《人工神經(jīng)網(wǎng)絡(luò)及其在水質(zhì)信息檢測中的應用》針對具有應用前景且被廣泛關(guān)注的神經(jīng)網(wǎng)絡(luò)領(lǐng)域，簡要介紹了人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)信息檢測中的應用背景，詳細介紹了人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識、在水質(zhì)信息檢測中常用的算法，最后以大量的應用示例，說明人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)信息檢測中的應用。
《人工神經(jīng)網(wǎng)絡(luò)及其在水質(zhì)信息檢測中的應用》可作為人工神經(jīng)網(wǎng)絡(luò)原理、神經(jīng)網(wǎng)絡(luò)應用及環(huán)境信息學等課程的參考書，對神經(jīng)網(wǎng)絡(luò)領(lǐng)域的教師、研究生、高年級本科生都有重要的參考價值，對環(huán)境信息領(lǐng)域的科研人員也有重要的借鑒作用。
第一章 人工神經(jīng)網(wǎng)絡(luò)概論
1.1 人工神經(jīng)網(wǎng)絡(luò)發(fā)展概況及其特點
1.2 人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)信息檢測中的應用背景及其意義
1.3 河流水流模型研究進展及存在問題
1.3.1 國內(nèi)外水質(zhì)模型發(fā)展階段
1.3.2 現(xiàn)有水質(zhì)模型存在的問題
1.3.3 水環(huán)境模擬中的不確定性
1.4 神經(jīng)網(wǎng)絡(luò)在水質(zhì)評價中的應用研究
1.4.1 水質(zhì)評價基本方法
1.4.2 人工神經(jīng)網(wǎng)絡(luò)用于地表水環(huán)境質(zhì)量評價
1.4.3 神經(jīng)網(wǎng)絡(luò)在水質(zhì)模擬中的應用研究
1.5 神經(jīng)網(wǎng)絡(luò)與水質(zhì)模擬及水質(zhì)評價結(jié)合的優(yōu)勢
1.6 人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)信息檢測處理中的應用前景
第二章 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識
2.1 人工神經(jīng)網(wǎng)絡(luò)概述
2.1.1 生物神經(jīng)元網(wǎng)絡(luò)的基本原理
2.1.2 人工神經(jīng)網(wǎng)絡(luò)的基本原理
2.1.3 人工神經(jīng)網(wǎng)絡(luò)模型
2.2 神經(jīng)元網(wǎng)絡(luò)的學習過程
2.3 神經(jīng)元網(wǎng)絡(luò)的學習規(guī)則
2.3.1 Hebb學習規(guī)則
2.3.2 感知機（Perceptron）學習規(guī)則
2.3.3 Delta學習規(guī)則
2.4 神經(jīng)元網(wǎng)絡(luò)的工作過程
第三章 在水質(zhì)信息檢測中常用的算法
3.1 人工神經(jīng)網(wǎng)絡(luò)的訓練（學習）
3.2 幾種常用的人工神經(jīng)網(wǎng)絡(luò)算法
3.2.1 誤差反傳訓練算法（Back Propagation，BP）
3.2.2 RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
3.3 RBF和BP神經(jīng)網(wǎng)絡(luò)的比較
第四章 人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)信息檢測中的應用
4.1 不同學習算法對BP網(wǎng)絡(luò)性能影響的研究
4.1.1 BP網(wǎng)絡(luò)的學習算法
4.1.2 水質(zhì)預測BP網(wǎng)絡(luò)的建立
4.2 用最佳學習算法預測黃河水DO濃度
4.2.1 時間序列建模方法
4.2.2 樣本選取及數(shù)據(jù)預處理
4.2.3 交互檢驗訓練法
4.2.4 優(yōu)化與預測
4.2.5 結(jié)果與討論
4.2.6 結(jié)論
4.3 BP網(wǎng)絡(luò)用于黃河水質(zhì)的預測研究
4.3.1 時間序列建模方法及算法
4.3.2 樣本選取及網(wǎng)絡(luò)訓練方法
4.3.3 結(jié)果與討論
4.3.4 結(jié)論
4.4 用于黃河水質(zhì)綜合評價的人工神經(jīng)網(wǎng)絡(luò)模型的研究
4.4.1 建立計算模型及訓練樣本
4.4.2 網(wǎng)絡(luò)參數(shù)的確立
4.4.3 應用實例
4.4.4 結(jié)論
4.5 應用人工神經(jīng)網(wǎng)絡(luò)對黃河甘肅段水質(zhì)進行分類評價
……
第五章 其他方法在水質(zhì)檢測中的應用
參考文獻
1.6 人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)信息檢測
處理中的應用前景
第一，改進現(xiàn)有的BP人工神經(jīng)網(wǎng)絡(luò)模型，構(gòu)造適合于水環(huán)境系統(tǒng)的更優(yōu)BP模型。BP網(wǎng)絡(luò)雖然在某些方面（如水質(zhì)評價）顯示出獨特的優(yōu)越性和廣泛的推廣性，但這些優(yōu)點主要取決于它的學習樣本均是國家行業(yè)標準，具有很強的代表性和規(guī)范性。當水環(huán)境系統(tǒng)的樣本序列與實際序列存在較大差異或?qū)W習樣本不足以使人工神經(jīng)網(wǎng)絡(luò)充分學習時，所訓練出的BP網(wǎng)絡(luò)性能會變得很差，這可能也是某些有關(guān)這方面的研究開展不下去的主要原因之一，但這是表面現(xiàn)象，其實質(zhì)仍是BP網(wǎng)絡(luò)的性能與樣本特征、傳遞函數(shù)、學習算法及網(wǎng)絡(luò)結(jié)構(gòu)之間的關(guān)系沒調(diào)整好，如改進算法對提高網(wǎng)絡(luò)的學習速度、增加收斂度和穩(wěn)定性都有明顯效果。筆者在實驗室采用動量法和學習率自適應法兩種算法研究表明，動量法可降低網(wǎng)絡(luò)對于誤差曲面局部細節(jié)的敏感性，有效地抑制網(wǎng)絡(luò)陷入局部極�。蛔赃m應調(diào)整學習率法大大減少了學習次數(shù)，而且對學習樣本欠佳的序列，傳統(tǒng)的BP算法很難擬合，自適應學習率法卻可以得到較滿意的結(jié)果。
第二，眾所周知，BP網(wǎng)絡(luò)用于函數(shù)逼近時，權(quán)值的調(diào)節(jié)采用的是負梯度下降法，這種調(diào)節(jié)權(quán)值的方法有它的局限性，即存在著收斂速度慢和局部極小等缺點。在今后的研究中，應積極開展人工神經(jīng)網(wǎng)絡(luò)的其他模型的研究，充分挖掘人工神經(jīng)網(wǎng)絡(luò)在水環(huán)境應用中的巨大潛力和優(yōu)勢。如徑向基函數(shù)網(wǎng)絡(luò)在逼近能力、分類識別和學習速度等方面均優(yōu)于BP網(wǎng)絡(luò)，自組織競爭人工神經(jīng)網(wǎng)絡(luò)是一種以無教師示教的方式進行訓練，具有自組織功能的神經(jīng)網(wǎng)絡(luò)，它的自組織自適應的學習能力能夠進一步拓寬神經(jīng)網(wǎng)絡(luò)在水資源環(huán)境中進行識別和分類方面的應用。
……
書單推薦
