分子三次、分母二次第二类有理样条权函数神经网络的灵敏度分析与应用-计算机应用技术专业论文.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 当训练好的神经网络受到噪声干扰时，其权值会产生波动，而神经网络灵敏度可以用来 评判和衡量网络的性能和网络抵抗外界噪声干扰的强弱。因此，对神经网络的灵敏度分析和 研究有着至关重要的作用和意义。本文是在样条权函数（Spline Weight Function，简写为 SWF） 神经网络理论的基础上进行的研究，主要做出了以下三个方面的工作： 首先，利用数值分析和数值逼近的相关知识，结合 Peano 核定理推导分子三次、分母二 次（简称 3/2）第二类有理 SWF 神经网络误差计算公式。通过理论分析以及 MATLAB 实验 结果分析出，分子三次分母二次第二类有理 SWF 神经网络具有训练误差较小，泛化能力较强 等特点。 其次，结合统计灵敏度的定义，推导 3/2 第二类有理 SWF 神经网络的灵敏度的计算公式。 并结合实验仿真分析出在输入的噪声干扰相对较大的情况下该类神经网络的输出误差也相对 较小，并且比较平稳，反映了该网络具有较强的抗干扰能力。 最后，在样条权函数神经网络的基础上，构造了基于 3/2 有理 SWF 神经网络的 PM2.5 浓 度预测模型，该模型算法的主要计算工作量是求解线性代数方程组。同时使用 MATLAB 仿真 工具进行仿真实验，实验结果表明了针对于该类应用，相比于 BP 神经网络以及 SVM 网络模 型，3/2 第二类有理 SWF 神经网络的训练算法的预测误差相对较小，解决了已有模型在 PM2.5 浓度波动较大时，预测误差高的问题。而在训练速度方面，SWF 神经网络和 SVM 网络模型 要快于 BP 神经网络。 关键词:有理样条权函数，神经网络，误差分析，灵敏度分析，PM2.5 浓度预测 I Abstract When the trained neural network is interfered by noise, its weight will be changed. The sensitivity of neural network can use to judge and measure the performance of network. and it also can reflect the resistance to interference. Therefore, the analysis and study of the sensitivity of neural network has important role and significance. This article is based on the theory of spline weight function neural network. Main contributions of this thesis are summarized as follows: Firstly, through the relevant knowledge of numerical analysis and numerical approximation, combine Peano kernel theorem derive the error calculation formula of the second kind of rational spline weight function neural network with cubic numerator and quadratic denominator(shorted as 3/2). The theoretical analysis and the simulations show that