分子三次、分母一次有理样条权函数神经网络灵敏度分析与应用-计算机技术专业论文.docx

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 神经网络灵敏度是衡量神经网络性能的一个重要尺度，可以用来衡量神经网络抗外界干 扰能力的强弱，所以，对神经网络进行灵敏度分析具有非常重要的实际意义。 样条权函数（Spline Weight Function，简写为 SWF）神经网络是一种全新的神经网络， 它克服了传统神经网络连接权值很难反映隐含的训练样本信息的缺点。本文在 SWF 神经网络 理论的基础上结合分子三次、分母一次(简写为 3/1)有理插值样条的相关理论，构造了分子三 次、分母一次有理样条权函数（简写为 3/1 有理 SWF）神经网络，并对其学习算法进行了分 析研究，运用三次样条、有理样条以及 Peano 核定理等相关知识推导 3/1 有理 SWF 神经网络 的误差以及灵敏度计算公式。 通过理论分析得出 3/1 有理 SWF 神经网络具有良好的学习能力、泛化能力以及 3/1 有理 SWF 神经网络的误差以及灵敏度计算公式。 运用 Matlab 仿真实验验证了 3/1 有理 SWF 神经网络具有良好的学习能力、泛化能力以 及一定的抗干扰能力。通过实验结果分析了随着样本扰动的增大，灵敏度与网络误差的变化 情况以及两者之间的关系。 根据 3/1 有理 SWF 神经网络的分析，结合实际应用，建立了空气质量评价模型，通过 MATLAB 工具对建立的模型进行了仿真实验，由实验结果可知，基于 3/1 有理 SWF 神经网 络空气质量评价模型能够比较准确的对空气质量进行评价，与传统的 BP 神经网络相比，具 有结构简单、训练时间短、精确度高等优势。 关键词: 神经网络，灵敏度分析，空气质量评价，有理插值 I Abstract Sensitivity is an important tool, which can measure the performance of neural networks. And it can be used to measure the ability of the trained neural network, when disturbed by some external factors. Therefore, sensitivity analysis of neural networks has an important significance. The spline weight function neural network is a new kind of neural network, which overcomes the shorting of traditional neural network that weight is difficult to reflect training sample information. Based on the theory of spline weight function neural network and cubic numerator and linear denominator of rational spline function, topological structure and learning algorithm of this kind of rational spline weight function neural network are studied. According to the knowledge of cubic spline, cubic spline and Peano kernel thoery, calculation formula of error