多元非参数回归建模的神经网络方法

本文提出利用神经网络的非线性表示能力进行多元非参数回归分析，并应用此方法分析全国城镇储蓄存款，预测按龄生育率取得了令人满意的结果。     

基于贝叶期神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度，该文探索了贝叶期神经网络的非参数回归的建模方法，通过融入模型参数的先验知识，在给定数据样本及模型假设下进行后验概率的贝叶期推理，使用马尔可夫链蒙特卡罗算法来优化模型控制参数，实现了对神经网络模型中不同部分复杂度的控制，获得了模型和的后验分布及预测分布，在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整，并给出了较好的预测结果。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度.该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果.     

基于BP神经网络和多元线性回归的辛烷值预测

为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产,基于S Zorb装置运行积累的数据,首先利用Lasso算法初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型;其次对比分析4种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过10折交叉验证得到均方误差(MSE)均值为0.027 193,R²均值为0.904 87,验证了该模型的可靠性;最后在控制油品硫质量分数不大于5μg/g的前提下,结合多元线性回归对主要变量进行优化调控.结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控.本文还可视化展示了优化过程中辛烷值和硫含量的变化轨迹.     

多元线性回归与BP神经网络预测模型对比与运用研究

对多元线性回归模型及BP神经网络模型的理论及运用方法进行研究,采用SPSS及MATLAB软件分别建立多元性回归和BP神经网络预测模型,通过农村居民纯收入预测的算例,对多元线性回p-3和BP神经网络预测模型的拟合优度、初始数据的仿真与模拟能力和新数据的预测能力进行对比,数据结果表明BP神经网络预测模型优于多元线性回归预测模型．     

一种非参数回归图像去噪方法

为了在图像去噪时进一步提高信噪比从而增强去噪效果,提出了一种空域自适应的高稳定性去噪滤波器。将数值分析中的非参数回归模型应用于图像去噪处理,推导了基于该方法的算法模型。在双边核的基础上,提出一种自适应的Steer核滤波方法,该算法根据边缘的方向可以调整模板的方向和曲率,做到了完全白适应。最后,在相同条件下实现该算法与Nadaraya—Waatson Kernel Regression算法、Bilateral Kernel Regression算法的Madab实验比较,实验结果表明,基于非参数同归模型的去噪算法具有良好的去噪效果,与其他算法相比,可以得到更高的信噪比。     

非线性回归分析中的神经网络方法

基于基层前馈式人工神经网络,提出一种用于确定一类非线性曲线回归参数的有效方法,通过实例学习,结果表明,该方法具有良好的参数辨识效果。     

人工神经网络回规建模方法及其应用

对于非线性回归问题，一般都是先将其线性化，按线性回归模型进行处理。但这种方法进行的参数估计不是我偏估计量，因此其非线性拟合粗度较低，本文提出采用人工神经网络技术进行非线性回归分析，并针对地下水位的动态分析问题进行了实例计算，取得了很好的效果。     

利用带约束的非线性规划改进多元线性回归

利用带约束的非线性规划，将各种改进的多元线性回归方法－主成份咽归，岭回归，稳健回归及约束回归统一在一个模型中。该方法物理概念明确，易于理解。算例及实际应用均表明，利用此方法，用计算机求解多元线性回归问题，不但使用方便，而且有较高的效率。     

人工神经网络回规建模方法及其应用

对于非线性回归问题,一般都是先将其线性化,按线性回归模型进行处理。但这种方法进行的参数估计不是无偏估计量,因此其非线性拟合精度较低。本文提出采用人工神经网络技术进行非线性回归分析,并针对地下水位的动态分析问题进行了实例计算,取得了很好的效果。     

无模型动态摩擦的自回归小波神经补偿控制

针对低速伺服系统的摩擦补偿问题,提出一种基于自回归小波神经网络的智能控制算法,无需预知系统的动力模型参数,仅通过闭环位置反馈,网络即能利用极少的神经元和迭代次数实现对非线性摩擦的高精度补偿.Lya-punov稳定性分析结果证明了跟踪误差和网络权值的有界收敛性.某型机器人关节的伺服实验结果表明,引入自回归小波神经补偿算法后的伺服定位精度得以大幅度提高.     

改进的BP神经网络在石油测井解释中的应用

通过修正系统误差改进了传统的BP算法,改进后的BP算法具有收敛速度快的特点。在此基础上,利用多种测井解释数据及岩心分析资料作为网络训练样本,通过网络的训练、学习,建立了BP网络孔隙度模型,并利用该模型预测该地区新井的孔隙度值,实验证明用该模型进行孔隙度预测是可行的。     

一种模糊线性回归方法及其应用

给出了一种新的模糊线性回归方法,并给出了该方法的一个应用实例。     

支持向量机回归算法及其应用

支持向量机是建立在统计学习理论基础上的通用学习方法,它可较好地解决以往很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题。笔者利用支持向量回归理论和方法,建立支持向量机的预测模型,并利用winSVM和MATLAB软件进行了实例预测,与二次回归预测值相比较,支持向量机预测模型具有更好的预测精度,且有很强的推广能力。     

多效蒸发的无模型自适应控制研究

将基于紧格式线性化的非线性系统无模型自适应控制方法应用在多效蒸发控制中。控制器的设计是直接基于称为伪偏导数的向量,伪偏导数是根据多效蒸发系统的人工神经网络模型的输入输出信息在线导出的。并利用MATLAB仿真实验证明了该方法的有效性和稳定性,其性能优于传统PID控制。     

参数投影寻踪回归及其在年径流预测中的应用

首次采用遗传算法优化投影方法,用正交Ｈｅｒｍｉｔｅ多项式拟合岭函数,给出了参数投影寻踪回归新方法及其实现算法,最后将新方法用于年径流实例预测,并与模糊模式识别神经网络模型的预测结果进行了对比,前者以较少的参数获得相对高的精度,另外,新算法使得投影寻踪方法易于在计算机上实现。     

A Layered Interactive Neural-fuzzy Fusion System and Its Application in Data Processing

0INTRODUCTIONTodateavalletyoffusionmodelsintermsofNN--rsfusionsystemhavebeeninvestigatedasnewwaysofdevelopingintelligentsystemsforinformationprocessingandcontrol.ThesefusionsystemsareplayingincreasinglyimPOrtantrolesforthedesignofintelligentandautonomousintegratedinLformation(hathnumericalandlingLJistic)processingsystems.However,traditionalfusionmodelsaresholtofsystematizationandflexibility,andofmuchdifferenceindifferentapplicationbackgrounds.Forthisreason,ageneralfusionmodelofneuralne…     

基于面板数据的分位数回归及实证研究

在面板数据模型和分位数回归原理分析的基础上,对分位数回归方法在面板数据模型中的应用作了深入的研究.利用1998~2007年间31个省市的地区生产总值与专利申请量的面板数据分析了自主创新与经济增长的关系,比较了最小二乘法和分位数回归在面板数据模型中的估计结果,结果显示分位数回归方法在面板数据模型估计时具有一定的优势.     

投影寻踪回归技术在自由面重力流数值模拟和仿真中的应用

将投影寻踪回归（PPR）建模技术用于悬板过流区自由水面的模拟和仿真,并与边界元法的计算结果进行了对比分析,得到了比较满意的结果。该技术具有计算快速简例,无需求解复杂的微分方程等优点,是用统计方法解决复杂工程水力学问题的有益尝试。