《基于深度神经网络的不确定性量化问题研究》22000字.docx

PAGEI

STYLEREF标题基于深度神经网络的不确定性量化问题研究

基于深度神经网络的不确定性量化问题研究

摘要

现实世界中各种各样的系统和仿真模型毫无疑问都存在着一定的不确定性。引起系统和模型不确定性的原因广泛存在于输入数据的观测误差和数值误差，模型自身存在的缺陷，仿真与实验过程中有效数据缺失的插值产生的误差等。建立模型的初衷是为决策服务，模型中存在各种不确定性，如果可以将这些不确定性量化，那么将大大提升决策的可信度。本文的主要工作是基于全连接神经网络，循环神经网路和贝叶斯神经网络模型研究模型的不确定性量化问题。文中阐释了三种不同的神经网络算法，并且在有限元分析的基