第一篇：基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)研究_答辯ppt

幻燈片1

基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)研究

作者:劉銘 指導(dǎo)老師:熊朝松 08級(jí)電信（2）班

幻燈片2

研究任務(wù)

? 通過(guò)運(yùn)用人工神經(jīng)網(wǎng)絡(luò)建模，可以進(jìn)行預(yù)測(cè)事物的發(fā)展，節(jié)省了實(shí)際要求證結(jié)果所需的研究時(shí)間。

? 論文分為六個(gè)部分，第一部分主介紹了人工神經(jīng)網(wǎng)絡(luò)的研究背景及意義；第二部分主要介紹了人工神經(jīng)網(wǎng)絡(luò)的概念，基本原理、分類(lèi)和分析方法，第三部分討論了有預(yù)測(cè)能力的是BP網(wǎng)絡(luò)。而在第四部分，討論了也具有預(yù)測(cè)功能的RBF網(wǎng)絡(luò)。第五個(gè)部分通過(guò)舉一個(gè)空調(diào)故障預(yù)測(cè)的例子來(lái)展示以及對(duì)比兩種預(yù)測(cè)網(wǎng)絡(luò)的能力。最后一個(gè)部分對(duì)論文進(jìn)行總結(jié)，提出了人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的發(fā)展前景。

幻燈片3

參考文獻(xiàn)

? 董軍,胡上序,混沌神經(jīng)網(wǎng)絡(luò)研究進(jìn)展和展望[J]信息與制,1997,26(5)”360-368.? 中國(guó)機(jī)械工程學(xué)會(huì)設(shè)備維修分會(huì),機(jī)械設(shè)備維修問(wèn)答叢書(shū),編委會(huì)空調(diào)制冷設(shè)備維修問(wèn)答.[Z]機(jī)械工業(yè)出版社.? 宋桂榮.,改進(jìn)BP算法在故障診斷中的應(yīng)用.[N]沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào),2001.23(3):252～254.? 韓力群,人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用..[M]北京:化學(xué)工業(yè)出版社,2002.? 余江海.一種制冷系統(tǒng)故障診斷方法.[C] 上海交通大學(xué)碩士論文,2001.? 馬銳,人工神經(jīng)網(wǎng)路原理,[M]機(jī)械工業(yè)出版社.? 朱大奇,人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望,[N]江南大學(xué)學(xué)報(bào)2004.3:103～108 ? 胡金濱,唐旭清.人工神經(jīng)網(wǎng)絡(luò)的BP算法及其應(yīng)用[J].信息技術(shù), 2004, 28(4);1~4.?

智會(huì)強(qiáng),牛坤,田亮等.BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)在函數(shù)逼近領(lǐng)域內(nèi)的比較研究[J].科技通報(bào), 2005,2(2).? 劉永.張立毅,BP網(wǎng)絡(luò)與RFB神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)及其性能比較[J].電子測(cè)量技術(shù)研究設(shè)計(jì)。2007.4：77~80.胡守仁,余少波,戴葵,神經(jīng)網(wǎng)絡(luò)導(dǎo)[M].長(zhǎng)沙:國(guó)防科技大學(xué)出版社,1992.幻燈片4

內(nèi)容安排順序

? 人工神經(jīng)網(wǎng)絡(luò)的研究背景及意義

? 人工神經(jīng)網(wǎng)絡(luò)的概念，基本原理、分類(lèi)和分析方法 ? BP預(yù)測(cè)網(wǎng)絡(luò) ? RBF預(yù)測(cè)網(wǎng)絡(luò)

? 人工神經(jīng)網(wǎng)絡(luò)運(yùn)用于空調(diào)系統(tǒng)故障的預(yù)測(cè) ? 結(jié)論與展望

幻燈片5

人工神經(jīng)網(wǎng)絡(luò)的研究背景及意義

? 背景：現(xiàn)代計(jì)算機(jī)構(gòu)成單元的速度是人腦中神經(jīng)元速度的幾百萬(wàn)倍，對(duì)于那些特征明確，推理或運(yùn)算規(guī)則清楚地可編程問(wèn)題，可以高速有效地求解，在數(shù)值運(yùn)算和邏輯運(yùn)算方面的精確與高速極大地拓展了人腦的能力，從而在信息處理和控制決策等方面為人們提供了實(shí)現(xiàn)智能化和自動(dòng)化的先進(jìn)手段。當(dāng)人們的思想轉(zhuǎn)向研究大自然造就的精妙的人腦結(jié)構(gòu)模式和信息處理機(jī)制時(shí)，推動(dòng)了腦科學(xué)的深入發(fā)展以及人工神經(jīng)網(wǎng)絡(luò)的研究。

幻燈片6

人工神經(jīng)網(wǎng)絡(luò)的研究背景及意義

? 意義：人工神經(jīng)網(wǎng)絡(luò)是一種旨在模仿人腦結(jié)構(gòu)及其功能的信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的重要分支，而神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)是神經(jīng)網(wǎng)路研究的基本問(wèn)題之一。從對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行理論探討的角度，可以通過(guò)計(jì)算機(jī)仿真途徑來(lái)模擬實(shí)現(xiàn)特定的神經(jīng)網(wǎng)絡(luò)模型或算法。

幻燈片7

人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)例子

? 現(xiàn)在人工神經(jīng)網(wǎng)絡(luò)廣泛運(yùn)用到了各個(gè)領(lǐng)域，它的更多用法也在不斷被開(kāi)發(fā)中，用它來(lái)預(yù)測(cè)事物的發(fā)展也是其中之一，而現(xiàn)在人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型可通過(guò)幾個(gè)問(wèn)題就能確定答題者是否感染艾滋病，以往判定出入境人員是否感染艾滋病，必須要進(jìn)行特異性血清學(xué)診斷和病原體檢測(cè)，不僅花費(fèi)時(shí)間，還需要被檢測(cè)者支付一定的費(fèi)用，因而工作比較難以開(kāi)展。項(xiàng)目鑒定組組長(zhǎng)、廣東省出入境檢驗(yàn)檢疫局衛(wèi)生檢疫處處長(zhǎng)胡龍飛認(rèn)為，這一項(xiàng)目使得在沒(méi)有特異性血清學(xué)診斷和病原體檢測(cè)的條件下，有望在口岸疾病監(jiān)測(cè)和現(xiàn)場(chǎng)衛(wèi)生檢疫工作中及時(shí)發(fā)現(xiàn)性病、艾滋病高危人群，盡早切斷傳播途徑，最大限度地保障口岸安全。據(jù)了解，用這個(gè)模型研究者隨機(jī)抽取了15例梅毒患者和15例非性病患者進(jìn)行測(cè)試，結(jié)果該模型準(zhǔn)確地識(shí)別出15例梅毒病例，準(zhǔn)確率達(dá)100%。這就是人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的意義，通過(guò)問(wèn)題建模用反向傳播算法來(lái)計(jì)算出答案，直接縮短了原本檢查需要的實(shí)驗(yàn)時(shí)間。

幻燈片8

人工神經(jīng)網(wǎng)路的原理

? 人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類(lèi)似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的神經(jīng)元之間相互聯(lián)接構(gòu)成。每個(gè)神經(jīng)元代表一種特定的輸出函數(shù)，稱(chēng)為激勵(lì)函數(shù)。每?jī)蓚€(gè)神經(jīng)元間的連接都代表一個(gè)對(duì)于通過(guò)該連接信號(hào)的加權(quán)值，稱(chēng)之為權(quán)值，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵(lì)函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對(duì)自然界某種算法或者函數(shù)的逼近，也可能是對(duì)一種邏輯策略的表達(dá)。

幻燈片9

人工神經(jīng)網(wǎng)路的原理

? 人工神經(jīng)網(wǎng)絡(luò)是對(duì)人類(lèi)神經(jīng)系統(tǒng)的一種模擬。盡管人類(lèi)神經(jīng)系統(tǒng)規(guī)模宏大、結(jié)構(gòu)復(fù)雜、功能神奇，但其最基本的處理單元卻只有神經(jīng)元。人工神經(jīng)系統(tǒng)的功能實(shí)際上是通過(guò)大量神經(jīng)元的廣泛互連，以規(guī)模宏偉的并行運(yùn)算來(lái)實(shí)現(xiàn)的。? 人工神經(jīng)網(wǎng)反映了人腦功能的若干基本特性，但并非生物系統(tǒng)的逼真描述，只是某種模仿、簡(jiǎn)化和抽象。

幻燈片10

人工神經(jīng)網(wǎng)路的原理

? 與數(shù)字計(jì)算機(jī)比較，人工神經(jīng)網(wǎng)絡(luò)在構(gòu)成原理和功能特點(diǎn)等方面更加接近人腦，它不是按給定的程序一步一步地執(zhí)行運(yùn)算，而是能夠自身適應(yīng)環(huán)境、總結(jié)規(guī)律、完成某種運(yùn)算、識(shí)別或過(guò)程控制。

? 神經(jīng)元也和其他類(lèi)型的細(xì)胞一樣，包括有細(xì)胞膜、細(xì)胞質(zhì)和細(xì)胞核。

幻燈片11

人工神經(jīng)網(wǎng)路的原理

生物神經(jīng)元的信息傳遞與處理示意圖

幻燈片12

人工神經(jīng)網(wǎng)路的原理

? 人工神經(jīng)元的一般模型

幻燈片13

BP網(wǎng)絡(luò)的預(yù)測(cè)

? BP網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。

幻燈片14

BP網(wǎng)絡(luò)的預(yù)測(cè)

典型的BP網(wǎng)絡(luò)結(jié)構(gòu)模型

幻燈片15

BP網(wǎng)絡(luò)的預(yù)測(cè)

? BP 算法因其簡(jiǎn)單、易行、計(jì)算量小、并行性強(qiáng)等優(yōu)點(diǎn),是目前神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用最多也是最成熟的訓(xùn)練算法之一。

? BP 算法的實(shí)質(zhì)是求解誤差函數(shù)的最小值問(wèn)題,由于它采用非線性規(guī)劃中的梯度下降法,按誤差函數(shù)的負(fù)梯度方向修正權(quán)值。其主要思路是求出訓(xùn)練網(wǎng)絡(luò)的指標(biāo)函數(shù)誤差：

kE???(Y?Ct)/2tk?1t?1幻燈片16 mq2

BP網(wǎng)絡(luò)的不足

? 由于學(xué)習(xí)速率是固定的，因此網(wǎng)絡(luò)的收斂速度慢，需要較長(zhǎng)的訓(xùn)練時(shí)間。對(duì)于一些復(fù)雜問(wèn)題，BP算法需要的訓(xùn)練時(shí)間可能非常長(zhǎng)，這主要是由于學(xué)習(xí)速率太小造成的，可采用變化的學(xué)習(xí)速率或自適應(yīng)的學(xué)習(xí)速率加以改進(jìn)。

? BP算法可以使權(quán)值收斂到某個(gè)值，但并不保證其為誤差平面的全局最小值，這是因?yàn)椴捎锰荻认陆捣赡墚a(chǎn)生一個(gè)局部最小值。對(duì)于這個(gè)問(wèn)題，可以采用附加動(dòng)量法來(lái)解決。

幻燈片17

BP網(wǎng)絡(luò)的不足

? 網(wǎng)絡(luò)隱含層的層數(shù)和單元數(shù)的選擇尚無(wú)理論上的指導(dǎo)，一般是根據(jù)經(jīng)驗(yàn)或者通過(guò)反復(fù)實(shí)驗(yàn)確定。因此，網(wǎng)絡(luò)往往存在很大的冗余性，在一定程度上也增加了網(wǎng)絡(luò)學(xué)習(xí)的負(fù)擔(dān)。? 網(wǎng)絡(luò)的學(xué)習(xí)和記憶具有不穩(wěn)定性。也就是說(shuō)，如果增加了學(xué)習(xí)樣本，訓(xùn)練好的網(wǎng)絡(luò)就需要從頭開(kāi)始訓(xùn)練，對(duì)于以前的權(quán)值和閾值是沒(méi)有記憶的。但是可以將預(yù)測(cè)、分類(lèi)或聚類(lèi)做的比較好的權(quán)值保存。

幻燈片18

RBF的網(wǎng)絡(luò)預(yù)測(cè)

RBF神經(jīng)網(wǎng)絡(luò)是一種具有拓?fù)浣Y(jié)構(gòu)的前向神經(jīng)網(wǎng)絡(luò)．由輸入層、隱含層、輸出層構(gòu)。RBF神經(jīng)網(wǎng)絡(luò)以徑向基函數(shù)作為隱層單元的基,構(gòu)成隱含層空間,隱含層對(duì)輸入矢量進(jìn)行變換將低維的模式輸入數(shù)據(jù)變換到高維空間內(nèi), 使得在低維空間內(nèi)的線性不可分問(wèn)題在高維空間內(nèi)線性可分。

RBF模擬了人腦中局部調(diào)整、相互覆蓋感受野，因此是一種局部逼近網(wǎng)絡(luò)，科學(xué)界已經(jīng)證明它能以任意精度逼近任意函數(shù)?；脽羝?9

? RBF網(wǎng)絡(luò)結(jié)構(gòu)圖

幻燈片20

RBF網(wǎng)絡(luò)

? ?

? ? ?

輸入層：

隱層：

一維 二維 輸出層：

wij?1,f(x)?x

f(net)?e

(net??)?2T2?2

f(X)?e(xi??i)(xi??i)?2j?2 f(x)?kx

幻燈片21

? 徑向基神經(jīng)網(wǎng)絡(luò)與BP網(wǎng)絡(luò)在結(jié)構(gòu)上基本相同，區(qū)別在于RBF網(wǎng)絡(luò)隱含層節(jié)點(diǎn)傳輸函數(shù)為徑向基函數(shù)，即隱含層節(jié)點(diǎn)對(duì)輸入產(chǎn)生局部響應(yīng)，此RBF常被稱(chēng)為局部感受野網(wǎng)絡(luò)。

幻燈片22

? RBF網(wǎng)絡(luò)的優(yōu)點(diǎn)：

?(1)它具有唯一最佳逼近的特性，且無(wú)局部極小問(wèn)題存在。

?(2)RBF神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的輸入和輸出映射功能，并且理論證明在前向網(wǎng)絡(luò)中RBF網(wǎng)絡(luò)是完成映射功能的最優(yōu)網(wǎng)絡(luò)。?(3)網(wǎng)絡(luò)連接權(quán)值與輸出呈線性關(guān)系。?(4)分類(lèi)能力好。

?(5)學(xué)習(xí)過(guò)程收斂速度快。

幻燈片23

? RBF網(wǎng)絡(luò)的缺點(diǎn)

?（1）最嚴(yán)重的問(wèn)題是沒(méi)能力來(lái)解釋自己的推理過(guò)程和推理依據(jù)。

?（2）不能向用戶(hù)提出必要的詢(xún)問(wèn)，而且當(dāng)數(shù)據(jù)不充分的時(shí)候，神經(jīng)網(wǎng)絡(luò)就無(wú)法進(jìn)行工作。

?（3）把一切問(wèn)題的特征都變?yōu)閿?shù)字，把一切推理都變?yōu)閿?shù)值計(jì)算，其結(jié)果勢(shì)必是丟失信息。

?（4）理論和學(xué)習(xí)算法還有待于進(jìn)一步完善和提高。

幻燈片24

空調(diào)故障預(yù)測(cè)建模

? 建立預(yù)測(cè)模型

幻燈片25

? 空調(diào)系統(tǒng)故障診斷的神經(jīng)網(wǎng)絡(luò)模型分為3 層,分別為輸入層、隱含層和輸出層。輸入層節(jié)點(diǎn)個(gè)數(shù)為4 ,對(duì)應(yīng)于4 個(gè)故障現(xiàn)象,輸出層節(jié)點(diǎn)個(gè)數(shù)為12 ,對(duì)應(yīng)于12 個(gè)故障原因。輸出節(jié)點(diǎn)值的大小反映了故障出現(xiàn)的可能性。隱含層節(jié)點(diǎn)的個(gè)數(shù)可參照公式初步選取:

A?M?N??幻燈片26

BP與RBF網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果對(duì)比

BP網(wǎng)絡(luò)

? RBF網(wǎng)絡(luò)

E???(Yk?Ct)/2??tk?1t?1 mq2

fn(X)?w0??wi?(X?ci)i?1

n

幻燈片27

BP與RBF網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果對(duì)比

? BP網(wǎng)絡(luò)與RBF網(wǎng)絡(luò)預(yù)測(cè)結(jié)果對(duì)比

幻燈片28

?（1）由于學(xué)習(xí)速率是固定的，因此BP網(wǎng)絡(luò)的訓(xùn)練過(guò)程較長(zhǎng)，當(dāng)需要處理較復(fù)雜的問(wèn)題時(shí)，需要的時(shí)間很長(zhǎng)。而RBF網(wǎng)絡(luò)的建網(wǎng)過(guò)程即是訓(xùn)練過(guò)程此外，訓(xùn)練時(shí)間較少．精度也比較高。

?（2）在處理同一問(wèn)題時(shí)，通常情況BP網(wǎng)絡(luò)所需的神經(jīng)元個(gè)數(shù)比RBF網(wǎng)絡(luò)要少。?（3）BP網(wǎng)絡(luò)的輸出和初始的權(quán)值有關(guān)，而RBF網(wǎng)絡(luò)的輸出與初始的權(quán)值無(wú)關(guān)。?（4）RBP網(wǎng)絡(luò)隱含層的層數(shù)和單元數(shù)的選擇要憑借經(jīng)驗(yàn)反復(fù)驗(yàn)證，因此網(wǎng)絡(luò)的冗余性比較大。RBF隱層節(jié)點(diǎn)的數(shù)目也在訓(xùn)練過(guò)程中確定。但是要確定徑向基函數(shù)的分布密度。

幻燈片29

結(jié)論與展望

? 人工神經(jīng)網(wǎng)絡(luò)近來(lái)越來(lái)越受到人們的關(guān)注，因?yàn)樗鼮榻鉀Q大復(fù)雜度問(wèn)題提供了一種相對(duì)來(lái)說(shuō)比較有效的簡(jiǎn)單方法?？梢酝ㄟ^(guò)神經(jīng)網(wǎng)絡(luò)對(duì)事物進(jìn)行預(yù)測(cè)從而用簡(jiǎn)單的方法完成復(fù)雜的問(wèn)題。

? 如化學(xué)試驗(yàn)、機(jī)器人、金融市場(chǎng)的模擬、和語(yǔ)言圖像的識(shí)別，等領(lǐng)域神經(jīng)網(wǎng)絡(luò)都取得了很好的效果。

幻燈片30

結(jié)論與展望

? 人工神經(jīng)網(wǎng)絡(luò)的局限性

?(1)受到腦科學(xué)研究的限制：由于生理實(shí)驗(yàn)的困難性，因此目前人類(lèi)對(duì)思維和記憶機(jī)制的認(rèn)識(shí)還很膚淺，還有很多問(wèn)題需要解決； ?(2)還沒(méi)有完整成熟的理論體系； ?(3)還帶有濃厚的策略和經(jīng)驗(yàn)色彩 ； ?(4)與傳統(tǒng)技術(shù)的接口不成熟。

? 上述問(wèn)題的存在，制約了人工神經(jīng)網(wǎng)絡(luò)研究的發(fā)展。

? 相信只要能客服這些局限性，人工神經(jīng)網(wǎng)絡(luò)的發(fā)展將不可限量

幻燈片31

謝 謝!

第二篇：基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)研究的文獻(xiàn)綜述

基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)研究文獻(xiàn)綜述

專(zhuān)業(yè)：電子信息工程 班級(jí)：08級(jí)2班 作者：劉銘 指導(dǎo)老師：熊朝松 引言

隨著多媒體和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展及廣泛應(yīng)用，人工神經(jīng)網(wǎng)絡(luò)已被廣泛運(yùn)用于各種領(lǐng)域，而它的預(yù)測(cè)功能也在不斷被人挖掘著。人工神經(jīng)網(wǎng)絡(luò)是一種旨在模仿人腦結(jié)構(gòu)及其功能的信息處理系統(tǒng)?，F(xiàn)代計(jì)算機(jī)構(gòu)成單元的速度是人腦中神經(jīng)元速度的幾百萬(wàn)倍，對(duì)于那些特征明確，推理或運(yùn)算規(guī)則清楚地可編程問(wèn)題，可以高速有效地求解，在數(shù)值運(yùn)算和邏輯運(yùn)算方面的精確與高速極大地拓展了人腦的能力，從而在信息處理和控制決策等方面為人們提供了實(shí)現(xiàn)智能化和自動(dòng)化的先進(jìn)手段。但由于現(xiàn)有計(jì)算機(jī)是按照馮·諾依曼原理，基于程序存取進(jìn)行工作的，歷經(jīng)半個(gè)多世紀(jì)的發(fā)展，其結(jié)構(gòu)模式與運(yùn)行機(jī)制仍然沒(méi)有跳出傳統(tǒng)的邏輯運(yùn)算規(guī)則，因而在很多方面的功能還遠(yuǎn)不能達(dá)到認(rèn)得智能水平。隨著現(xiàn)代信息科學(xué)與技術(shù)的飛速發(fā)展，這方面的問(wèn)題日趨尖銳，促使科學(xué)和技術(shù)專(zhuān)家們尋找解決問(wèn)題的新出路。當(dāng)人們的思想轉(zhuǎn)向研究大自然造就的精妙的人腦結(jié)構(gòu)模式和信息處理機(jī)制時(shí)，推動(dòng)了腦科學(xué)的深入發(fā)展以及人工神經(jīng)網(wǎng)絡(luò)和鬧模型的研究。隨著對(duì)生物鬧的深入了解，人工神經(jīng)網(wǎng)絡(luò)獲得長(zhǎng)足發(fā)展。在經(jīng)歷了漫長(zhǎng)的初創(chuàng)期和低潮期后，人工神經(jīng)網(wǎng)絡(luò)終于以其不容忽視的潛力與活力進(jìn)入了發(fā)展高潮。這么多年來(lái)，它的結(jié)構(gòu)與功能逐步改善，運(yùn)行機(jī)制漸趨成熟，應(yīng)用領(lǐng)域日益擴(kuò)大，在解決各行各業(yè)的難題中顯示出巨大的潛力，取得了豐碩的成果。通過(guò)運(yùn)用人工神經(jīng)網(wǎng)絡(luò)建模，可以進(jìn)行預(yù)測(cè)事物的發(fā)展，節(jié)省了實(shí)際要求證結(jié)果所需的研究時(shí)間。

正是由于人工神經(jīng)網(wǎng)絡(luò)是一門(mén)新興的學(xué)科，它在理論、模型、算法、應(yīng)用和時(shí)限等方面都還有很多空白點(diǎn)需要努力探索、研究、開(kāi)拓和開(kāi)發(fā)。因此，許多國(guó)家的政府和企業(yè)都投入了大量的資金，組織大量的科學(xué)和技術(shù)專(zhuān)家對(duì)人工神經(jīng)網(wǎng)絡(luò)的廣泛?jiǎn)栴}立項(xiàng)研究。從人工神經(jīng)網(wǎng)絡(luò)的模擬程序和專(zhuān)用芯片的不斷推出、論文的大量發(fā)表以及各種應(yīng)用的報(bào)道可以看到，在這個(gè)領(lǐng)域里一個(gè)百家爭(zhēng)鳴的局面已經(jīng)形成。

為了能深入認(rèn)識(shí)人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)功能，大量收集和閱讀相關(guān)資料是非常必要的。搜集的資料范圍主要是大量介紹人工神經(jīng)網(wǎng)路，以及認(rèn)識(shí)和熟悉了其中重要的BP網(wǎng)絡(luò)。參考的著作有：馬銳的《人工神經(jīng)網(wǎng)絡(luò)原理》，胡守仁、余少波的《神經(jīng)網(wǎng)絡(luò)導(dǎo)論》以及一些相關(guān)論文，董軍和胡上序的《混沌神經(jīng)網(wǎng)絡(luò)研究進(jìn)展和展望》，朱大奇的《人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望》和宋桂榮的《改進(jìn)BP算法在故障診斷中的應(yīng)用》，這些

1著作在后面的參考文獻(xiàn)中將一一列出。

1.我國(guó)人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀

隨著人工神經(jīng)網(wǎng)絡(luò)的20世紀(jì)80年代在世界范圍內(nèi)的復(fù)蘇，國(guó)內(nèi)也逐步掀起了研究熱潮，1989年10月和11月分別在北京和廣州召開(kāi)了神經(jīng)網(wǎng)絡(luò)及其應(yīng)用討論會(huì)和第一屆全國(guó)型號(hào)處理——神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議；1990年2月由國(guó)內(nèi)八個(gè)學(xué)會(huì)（中國(guó)電子學(xué)會(huì)、人工智能學(xué)會(huì)、自動(dòng)化學(xué)會(huì)、通信學(xué)會(huì)、物理學(xué)會(huì)、生物物理學(xué)會(huì)和心理學(xué)會(huì)）聯(lián)合在北京召開(kāi)“中國(guó)神經(jīng)網(wǎng)絡(luò)首屆學(xué)術(shù)會(huì)議”，這次大會(huì)以“八學(xué)會(huì)聯(lián)盟，探只能奧秘為主題，收到了300多篇學(xué)術(shù)論文”，開(kāi)創(chuàng)了中國(guó)人工神經(jīng)網(wǎng)絡(luò)及神經(jīng)計(jì)算機(jī)方面科學(xué)研究的新紀(jì)元，經(jīng)過(guò)十幾年的發(fā)展，中國(guó)學(xué)術(shù)界和工程界在人工神經(jīng)網(wǎng)絡(luò)的理論研究和應(yīng)用方面取得了豐碩成果，學(xué)術(shù)論文、應(yīng)用成果和研究人員逐年增加。在國(guó)際上，1987年，在美國(guó)加洲召開(kāi)第一屆國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)，此后每年召開(kāi)兩次國(guó)際聯(lián)合神經(jīng)網(wǎng)絡(luò)大會(huì)（UCNN），不久，改學(xué)會(huì)創(chuàng)辦了刊物Journal Neural Networks，另有十幾種國(guó)際著名的神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)刊物相繼問(wèn)世。至此，神經(jīng)網(wǎng)絡(luò)理論研究在國(guó)際學(xué)術(shù)領(lǐng)域獲得了其應(yīng)有的地位。

經(jīng)過(guò)多年的發(fā)展，目前已有上百種的神經(jīng)網(wǎng)絡(luò)模型被提出。這么多年來(lái)，它的結(jié)構(gòu)與功能逐步改善，運(yùn)行機(jī)制漸趨成熟，應(yīng)用領(lǐng)域日益擴(kuò)大，在解決各行各業(yè)的難題中顯示出巨大的潛力，取得了豐碩的成果[1]。正是由于人工神經(jīng)網(wǎng)絡(luò)是一門(mén)新興的學(xué)科，它在理論、模型、算法、應(yīng)用和時(shí)限等方面都還有很多空白點(diǎn)需要努力探索、研究、開(kāi)拓和開(kāi)發(fā)。因此，許多國(guó)家的政府和企業(yè)都投入了大量的資金，組織大量的科學(xué)和技術(shù)專(zhuān)家對(duì)人工神經(jīng)網(wǎng)絡(luò)的廣泛?jiǎn)栴}立項(xiàng)研究。從人工神經(jīng)網(wǎng)絡(luò)的模擬程序和專(zhuān)用芯片的不斷推出、論文的大量發(fā)表以及各種應(yīng)用的報(bào)道可以看到，在這個(gè)領(lǐng)域里一個(gè)百家爭(zhēng)鳴的局面已經(jīng)形成[2]。

2.人工神經(jīng)網(wǎng)絡(luò)的基本原理

人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類(lèi)似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。在工程與學(xué)術(shù)界也常直接簡(jiǎn)稱(chēng)為神經(jīng)網(wǎng)絡(luò)或類(lèi)神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的節(jié)點(diǎn)和之間相互聯(lián)接構(gòu)成。神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)的基本處理單元，它一般是一個(gè)多輸入/單輸出的非線性元件[3]。由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng)。它是在現(xiàn)代神經(jīng)科學(xué)

2研究成果的基礎(chǔ)上提出的，試圖通過(guò)模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記憶信息的方式進(jìn)行信息處理[4]。

人工神經(jīng)網(wǎng)絡(luò)是對(duì)人類(lèi)神經(jīng)系統(tǒng)的一種模擬。盡管人類(lèi)神經(jīng)系統(tǒng)規(guī)模宏大、結(jié)構(gòu)復(fù)雜、功能神奇，但其最基本的處理單元卻只有神經(jīng)元。人工神經(jīng)系統(tǒng)的功能實(shí)際上是通過(guò)大量神經(jīng)元的廣泛互連，以規(guī)模宏偉的并行運(yùn)算來(lái)實(shí)現(xiàn)的。人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)元就是模擬生物的神經(jīng)元，神經(jīng)元也和其他類(lèi)型的細(xì)胞一樣，包括有細(xì)胞膜、細(xì)胞質(zhì)和細(xì)胞核。但是神經(jīng)細(xì)胞的形態(tài)比較特殊，具有許多突起，因此又分為細(xì)胞體、軸突和樹(shù)突三部分。細(xì)胞體內(nèi)有細(xì)胞核突起的作用是傳遞信息。

（1）細(xì)胞體

（2）樹(shù)突

（3）軸突

（4）突觸

圖1簡(jiǎn)單神經(jīng)元網(wǎng)絡(luò)圖

軸突是由細(xì)胞體向外延伸出的所有纖維中最長(zhǎng)的一條分枝，用來(lái)向外傳遞神經(jīng)元產(chǎn)生的輸出電信號(hào)。每個(gè)神經(jīng)元都有一條軸突，其最大長(zhǎng)度可達(dá)1m以上。在軸突的末端形成了許多很細(xì)的分枝，這些分支叫神經(jīng)末梢。每一條神經(jīng)末梢可以與其它神經(jīng)元形成功能性接觸，該接觸部位稱(chēng)為突觸。所謂功能性接觸，是指非永久性的接觸，這正是神經(jīng)元之間傳遞信息的奧秘之處。

樹(shù)突是指由細(xì)胞體向外延伸的除軸突以外的其它所有分支。樹(shù)突的長(zhǎng)度一般較短，但數(shù)量很多，它是神經(jīng)元的輸入端，用于接受從其它神經(jīng)元的突觸傳來(lái)的信號(hào)。

2.人工神經(jīng)網(wǎng)絡(luò)BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)

2.1 BP網(wǎng)絡(luò)

BP（Back Propagation）網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小

3組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)[5]，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)，即誤差反傳誤差反向傳播算法的學(xué)習(xí)過(guò)程，由信息的正向傳播和誤差的反向傳播兩個(gè)過(guò)程組成。

BP神經(jīng)網(wǎng)絡(luò)模型BP網(wǎng)絡(luò)模型包括其輸入輸出模型、作用函數(shù)模型、誤差計(jì)算模型和自學(xué)習(xí)模型。BP 算法因其簡(jiǎn)單、易行、計(jì)算量小、并行性強(qiáng)等優(yōu)點(diǎn),是目前神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用最多也是最成熟的訓(xùn)練算法之一[6]。

2.2 RBF網(wǎng)絡(luò)

RBF神經(jīng)網(wǎng)絡(luò)是一種具有拓?fù)浣Y(jié)構(gòu)的前向神經(jīng)網(wǎng)絡(luò)．由輸入層、隱含層、輸出層構(gòu)。RBF神經(jīng)網(wǎng)絡(luò)以徑向基函數(shù)作為隱層單元的基,構(gòu)成隱含層空間,隱含層對(duì)輸入矢量進(jìn)行變換將低維的模式輸入數(shù)據(jù)變換到高維空間內(nèi), 使得在低維空間內(nèi)的線性不可分問(wèn)題在高維空間內(nèi)線性可分。

RBF網(wǎng)絡(luò)的學(xué)習(xí)算法，由兩部分組成；無(wú)導(dǎo)師學(xué)習(xí)、有導(dǎo)師學(xué)習(xí)。

3.空調(diào)故障

空調(diào)系統(tǒng)故障模式及故障機(jī)制分析[7][8]，如下表所示:

表1空調(diào)系統(tǒng)故障模式及故障機(jī)制分析

空調(diào)系統(tǒng)故障診斷的神經(jīng)網(wǎng)絡(luò)模型分為3 層,分別為輸入層、隱含層和輸出層。輸入層節(jié)點(diǎn)個(gè)數(shù)為4 ,對(duì)應(yīng)于4 個(gè)故障現(xiàn)象,輸出層節(jié)點(diǎn)個(gè)數(shù)為12 ,對(duì)應(yīng)于12 個(gè)故障原因。輸出節(jié)點(diǎn)值的大小反映了故障出現(xiàn)的可能性。隱含層節(jié)點(diǎn)的個(gè)數(shù)可參照公式初步選取[9]：

4A?M?N??,4.小結(jié)

在理論上．RBF網(wǎng)絡(luò)和BP網(wǎng)絡(luò)一樣能以任意精度逼近任何非線性函數(shù)。但由于它們使用的激勵(lì)函數(shù)不同，其逼近性能也不相同。Poggio和Girosi已經(jīng)證明，RBF網(wǎng)絡(luò)是連續(xù)函數(shù)的最佳逼近，而B(niǎo)P網(wǎng)絡(luò)不是。BP網(wǎng)絡(luò)使用的Sigmoid函數(shù)具有全局特性，它在輸入值的很大范圍內(nèi)每個(gè)節(jié)點(diǎn)都對(duì)輸出值產(chǎn)生影響，并且激勵(lì)函數(shù)在輸入值的很大范圍內(nèi)相互重疊，因而相互影響，因此BP網(wǎng)絡(luò)訓(xùn)練過(guò)程很長(zhǎng)。此外，由于BP算法的固有特性，BP網(wǎng)絡(luò)容易陷入局部極小的問(wèn)題不可能從根本上避免，并且BP網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)目的確定依賴(lài)于經(jīng)驗(yàn)和試湊，很難得到最優(yōu)網(wǎng)絡(luò)。采用局部激勵(lì)函數(shù)的RBF網(wǎng)絡(luò)在很大程度上克服了上述缺點(diǎn)，RBF不僅有良好的泛化能力，而且對(duì)于每個(gè)輸入值，只有很少幾個(gè)節(jié)點(diǎn)具有非零激勵(lì)值，因此只需很少部分節(jié)點(diǎn)及權(quán)值改變。學(xué)習(xí)速度可以比通常的BP算法提高上千倍,容易適應(yīng)新數(shù)據(jù)，其隱層節(jié)點(diǎn)的數(shù)目也在訓(xùn)練過(guò)程中確定，并且其收斂性也較BP網(wǎng)絡(luò)易于保證，因此可以得到最優(yōu)解[10] [11]。

從上面所示的結(jié)果來(lái)看，主要有一下幾方面的不同：

（1）由于學(xué)習(xí)速率是固定的，因此BP網(wǎng)絡(luò)的訓(xùn)練過(guò)程較長(zhǎng)，當(dāng)需要處理較復(fù)雜的問(wèn)題時(shí)，需要的時(shí)間很長(zhǎng)。而RBF網(wǎng)絡(luò)的建網(wǎng)過(guò)程即是訓(xùn)練過(guò)程此外，訓(xùn)練時(shí)間較少．精度也比較高。

（2）在處理同一問(wèn)題時(shí)，通常情況BP網(wǎng)絡(luò)所需的神經(jīng)元個(gè)數(shù)比RBF網(wǎng)絡(luò)要少。

（3）BP網(wǎng)絡(luò)的輸出和初始的權(quán)值有關(guān)，而RBF網(wǎng)絡(luò)的輸出與初始的權(quán)值無(wú)關(guān)。

（4）RBP網(wǎng)絡(luò)隱含層的層數(shù)和單元數(shù)的選擇要憑借經(jīng)驗(yàn)反復(fù)驗(yàn)證，因此網(wǎng)絡(luò)的冗余性比較大。RBF隱層節(jié)點(diǎn)的數(shù)目也在訓(xùn)練過(guò)程中確定。但是要確定徑向基函數(shù)的分布密度。

人工神經(jīng)網(wǎng)絡(luò)近來(lái)越來(lái)越受到人們的關(guān)注，因?yàn)樗鼮榻鉀Q大復(fù)雜度問(wèn)題提供了一種相對(duì)來(lái)說(shuō)比較有效的簡(jiǎn)單方法。可以通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)事物進(jìn)行預(yù)測(cè)從而用簡(jiǎn)單的方法完成復(fù)雜的問(wèn)題。

5.研究不足

人工神經(jīng)網(wǎng)絡(luò)是一個(gè)新興學(xué)科，因此還存在許多問(wèn)題。其主要表現(xiàn)有：

(1)受到腦科學(xué)研究的限制：由于生理實(shí)驗(yàn)的困難性，因此目前人類(lèi)對(duì)思維和記憶機(jī)制的認(rèn)識(shí)還很膚淺，還有很多問(wèn)題需要解決；

(2)還沒(méi)有完整成熟的理論體系；

(3)還帶有濃厚的策略和經(jīng)驗(yàn)色彩；

(4)與傳統(tǒng)技術(shù)的接口不成熟。

上述問(wèn)題的存在，制約了人工神經(jīng)網(wǎng)絡(luò)研究的發(fā)展。

相信只要能客服這些局限性，人工神經(jīng)網(wǎng)絡(luò)的發(fā)展將不可限量。

參考文獻(xiàn)

[1] 朱大奇.人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[N].江南大學(xué)學(xué)報(bào),2004:103～108.[2] 董軍,胡上序.混沌神經(jīng)網(wǎng)絡(luò)研究進(jìn)展和展望[J].信息與控制,1997(5):360～368.[3] 韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M].北京:化學(xué)工業(yè)出版社,2002.[4] 馬銳.人工神經(jīng)網(wǎng)絡(luò)原理[M].北京:機(jī)械工業(yè)出版社.2010.[5] 胡守仁,余少波,戴葵.神經(jīng)網(wǎng)絡(luò)導(dǎo)[M].長(zhǎng)沙:國(guó)防科技大學(xué)出版社,1992.[6] 胡金濱,唐旭清.人工神經(jīng)網(wǎng)絡(luò)的BP算法及其應(yīng)用[J].信息技術(shù),2004(4):1～4.[7] 余江海.一種制冷系統(tǒng)故障診斷方法[C].上海交通大學(xué)碩士論文,2001.[8] 中國(guó)機(jī)械工程學(xué)會(huì)設(shè)備維修分會(huì),機(jī)械設(shè)備維修問(wèn)答叢書(shū),編委會(huì)空調(diào)制冷設(shè)備維修問(wèn)答[M].北京:機(jī)械工業(yè)出版社.1988.[9] 宋桂榮.改進(jìn)BP算法在故障診斷中的應(yīng)用[N].沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào),2001(3):252～254.[10] 智會(huì)強(qiáng),牛坤,田亮等.BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)在函數(shù)逼近領(lǐng)域內(nèi)的比較研究[J].科技通報(bào),2005(2).[11] 劉永.張立毅.BP網(wǎng)絡(luò)與RFB神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)及其性能比較[J].電子測(cè)量技術(shù)研究設(shè)計(jì),2007(4)：77～80.6

第三篇：人工智能論文：人工智能 人工神經(jīng)網(wǎng)絡(luò) 計(jì)算機(jī)輔助教學(xué)

人工智能論文：智能化教學(xué)輔助訓(xùn)練系統(tǒng)

【中文摘要】借助于計(jì)算機(jī)技術(shù)的迅猛發(fā)展與普及應(yīng)用,人工智能技術(shù)越來(lái)越多的介入人們?nèi)粘Ｉ?由于其不可比擬的優(yōu)勢(shì)使得大量傳統(tǒng)的低效率、高重復(fù)性的人力工作得到極大的解放,不但提高了工作速度,也極高地提高了工作效率,而且準(zhǔn)確程度仍不受影響。智能化教學(xué)輔助訓(xùn)練系統(tǒng)的開(kāi)發(fā),就是將人工智能技術(shù)應(yīng)用于教學(xué)環(huán)節(jié)中的測(cè)試訓(xùn)練環(huán)節(jié),將以往由教師所承擔(dān)的完整的考試過(guò)程交由計(jì)算機(jī)系統(tǒng)處理完成,不僅能夠把教師從繁重的工作負(fù)擔(dān)中解放出來(lái),而且也可以提高測(cè)試過(guò)程的高效率和高準(zhǔn)確性。本文所述的智能化教學(xué)輔助訓(xùn)練系統(tǒng)可以勝任起完成教學(xué)過(guò)程中最為重要的學(xué)生能力測(cè)試環(huán)節(jié)的工作,完成平時(shí)的練習(xí)測(cè)試和期中、期末的考查,在保證測(cè)試效果的前提下,減輕了教師的工作負(fù)擔(dān)、提高了測(cè)試工作的效率、促進(jìn)了學(xué)生的學(xué)習(xí)鞏固、提高了學(xué)校的教學(xué)水平,是非常值得大力推廣與應(yīng)用的一項(xiàng)新方法。本系統(tǒng)具備以下的主要特點(diǎn)與功能：①暢通的網(wǎng)絡(luò)化運(yùn)行,可以實(shí)現(xiàn)局域網(wǎng)以及廣域網(wǎng)的系統(tǒng)擴(kuò)展；②根據(jù)題型的要求實(shí)現(xiàn)自動(dòng)判卷或提交給具有相應(yīng)權(quán)限的教師進(jìn)行人工判卷；③根據(jù)預(yù)設(shè)的題庫(kù)系統(tǒng)可以實(shí)現(xiàn)教師的隨機(jī)抽題組卷功能；④根據(jù)教師的要求實(shí)現(xiàn)臨時(shí)增設(shè)題目并能夠自動(dòng)完成題庫(kù)的分類(lèi)收錄或即時(shí)向已登錄學(xué)生...【英文摘要】With the rapid development of computer technology and the popularization of artificial intelligence

technology more and more involved in people’s daily lives, because of its incomparable advantages of making a lot of the traditional low efficiency, high repetitive work was a great human emancipation, not only increased pace of work, but also improve the efficiency high, but accuracy remains unaffected.Intelligent training system teaching aids the development of artificial intelligence technology in teachin...【關(guān)鍵詞】人工智能 人工神經(jīng)網(wǎng)絡(luò) 計(jì)算機(jī)輔助教學(xué)

【英文關(guān)鍵詞】Artificial Intelligence Artificial Neural Networks CAI 【索購(gòu)全文】聯(lián)系Q1：138113721 Q2：139938848 【目錄】智能化教學(xué)輔助訓(xùn)練系統(tǒng)6-7Abstract7-8

摘要

1.1 教學(xué)

第1章 緒論11-25輔助訓(xùn)練系統(tǒng)綜述11-15述15-

211.2 國(guó)內(nèi)外計(jì)算機(jī)考試系統(tǒng)發(fā)展綜

1.2.2 1.2.1 國(guó)外計(jì)算機(jī)考試系統(tǒng)綜述15-19國(guó)內(nèi)計(jì)算機(jī)考試系統(tǒng)綜述19-21模式簡(jiǎn)介21-2321-22

1.3 計(jì)算機(jī)考試系統(tǒng)的開(kāi)發(fā)

1.3.1 C/S(Client/Server)模式簡(jiǎn)介

1.3.3 1.3.2 B/S(Browser/Server)模式22-2

31.4 當(dāng)前計(jì)算機(jī)輔助訓(xùn)練系統(tǒng)的不足

1.6 本章小結(jié)混合模式2323-2424-25結(jié)構(gòu)25-321.5 研究的目的意義24第2章 智能化教學(xué)輔助訓(xùn)練系統(tǒng)的目標(biāo)、設(shè)計(jì)原則與

2.1 系統(tǒng)的目標(biāo)25-27

2.2 系統(tǒng)設(shè)計(jì)原則

27-2828-302.3 系統(tǒng)的結(jié)構(gòu)28-312.3.1.系統(tǒng)的結(jié)構(gòu)選擇

2.3.3.第3章 系

3.1.1 2.3.2.系統(tǒng)開(kāi)發(fā)的軟硬件條件30-31

2.4 本章小結(jié)31-32系統(tǒng)的數(shù)據(jù)庫(kù)結(jié)構(gòu)31統(tǒng)的功能與實(shí)現(xiàn)32-41管理員用戶(hù)32-33用戶(hù)35理模塊35-36模塊36-37塊37-38考試38-39置3940-41

3.1 用戶(hù)管理功能32-353.1.2 教師用戶(hù)33-35

3.1.3 學(xué)生3.2.1 用戶(hù)管3.2.3 題庫(kù)管理3.2 用戶(hù)管理功能的實(shí)現(xiàn)35-38

3.2.2 考務(wù)管理模塊363.2.4 試卷管理模塊37

3.2.5 考試管理模

3.3.1 在線3.3 系統(tǒng)核心功能與設(shè)計(jì)38-403.3.2 用戶(hù)組卷39

3.3.3 考生IP地址設(shè)3.4 本章小結(jié)

4.1 組卷方式3.3.4 考生成績(jī)查詢(xún)39-40第4章 智能化的組卷功能41-47

4.2 組卷的特點(diǎn)42的確定41-42數(shù)學(xué)模型42-4444-45

4.3 智能組卷系統(tǒng)的4.4 BP神經(jīng)網(wǎng)絡(luò)在智能化組卷系統(tǒng)中的使用

4.6 本章小結(jié)45-475.1 系統(tǒng)安全保障模塊

5.3 數(shù)據(jù)安全保障模塊

5.4.1 密鑰的產(chǎn)生

第4.5 實(shí)驗(yàn)結(jié)果455章 系統(tǒng)安全性的保障47-534750515253-5653-555.2 身份認(rèn)證模塊47-505.4 考試數(shù)據(jù)的加密保護(hù)50-525.4.2 密鑰存儲(chǔ)51-525.5 本章小結(jié)52-536.1 硬件系統(tǒng)容錯(cuò)53

5.4.3 數(shù)據(jù)接口第6章 系統(tǒng)的容錯(cuò)功能

6.2 軟件系統(tǒng)容錯(cuò)

6.2.2 系6.2.1 防止打開(kāi)多個(gè)考試程序53-54

統(tǒng)重啟546.2.3 更換計(jì)算機(jī)考試54-556.2.4 學(xué)生考

6.3 號(hào)或姓名異常55本章小結(jié)55-56展望59-626.2.5 學(xué)生分?jǐn)?shù)沒(méi)有正?；厥?5第7章 系統(tǒng)測(cè)試56-598.1 結(jié)論59-61

第8章 結(jié)論與

8.1.1 系統(tǒng)運(yùn)行后收到的效果59-618.1.2 系統(tǒng)存在的不足之處61-62參考文獻(xiàn)62-67

致謝67618.2 展望

第四篇：答辯PPT

一． 介紹電能質(zhì)量監(jiān)測(cè)的重要以及我國(guó)電能質(zhì)量監(jiān)測(cè)的現(xiàn)狀 二． 介紹我們的設(shè)計(jì)思路和軟件優(yōu)點(diǎn)，與同類(lèi)型進(jìn)行比較

三． 介紹labview軟件的相關(guān)知識(shí)，為我們實(shí)驗(yàn)的成功提供有力證據(jù) 四． 介紹我們的實(shí)驗(yàn)流程以及所需要的設(shè)備

行業(yè)背景、思路 原理、對(duì)比

預(yù)算、設(shè)備、意義、項(xiàng)目小組介紹

引言

隨著我國(guó)經(jīng)濟(jì)建設(shè)的迅速發(fā)展,電力系統(tǒng)各種負(fù)荷急劇增加?沖擊性?非線性負(fù)荷的增加,必然引起電網(wǎng)產(chǎn)生波形畸變?電壓波動(dòng)?閃變及三相不平衡等電能質(zhì)量問(wèn)題,導(dǎo)致電力變壓器損壞?斷路器動(dòng)作?中線過(guò)熱和設(shè)備損壞等后果?因此,電力參數(shù)檢測(cè)既是評(píng)定電能質(zhì)量的重要指標(biāo),也是電力技術(shù)人員采取補(bǔ)償措施的關(guān)鍵依據(jù)?長(zhǎng)期以來(lái),電力參數(shù)檢測(cè)無(wú)論是采取人工記錄式或微處理機(jī)統(tǒng)計(jì)式檢測(cè)系統(tǒng),均存在儀器設(shè)備復(fù)雜?智能化程度低的缺陷,難以滿(mǎn)足現(xiàn)代電力系統(tǒng)測(cè)試的要求,功能全?體積小?智能化?高可靠性的現(xiàn)代化電力參數(shù)自動(dòng)測(cè)試系統(tǒng)成為當(dāng)代電力系統(tǒng)的迫切需要?

2系統(tǒng)構(gòu)成2.1硬件與軟件環(huán)境

計(jì)算機(jī)配置:本系統(tǒng)可利用筆記本式工控機(jī),結(jié)合高速?高精度的采樣接口,配以豐富的軟件構(gòu)成功能強(qiáng)大的電能量參數(shù)綜合測(cè)試系統(tǒng)?計(jì)算機(jī)系統(tǒng)的基本配置為P4 2.4G CPU/80G HDD/512M RAM/64M顯存?數(shù)據(jù)采集卡采用美國(guó)NI公司PCI6024E數(shù)據(jù)采集卡?系統(tǒng)平臺(tái):中文Windows2000/XP/NT平臺(tái),LabVIEW軟件開(kāi)發(fā)系統(tǒng)

2.2系統(tǒng)構(gòu)成

基于虛擬儀器的電能質(zhì)量自動(dòng)測(cè)試系統(tǒng)由硬件電路和軟件組成?硬件電路包括傳感器?信號(hào)調(diào)理電路(含整形?濾波?隔離等電路)?A/D轉(zhuǎn)換電路?數(shù)據(jù)采集/保持系統(tǒng)及計(jì)算機(jī)主機(jī);軟件編程以美國(guó)國(guó)家儀器公司的LabVIEW為開(kāi)發(fā)平臺(tái)?

3系統(tǒng)工作流程

系統(tǒng)虛擬化工作流程見(jiàn)圖2?進(jìn)入系統(tǒng)主界面,用戶(hù)根據(jù)需要選擇測(cè)量模塊使系統(tǒng)進(jìn)入相應(yīng)的操作面板,如電壓測(cè)量?電流測(cè)量?頻率測(cè)量?功率測(cè)量?相位測(cè)量?功率因數(shù)測(cè)量?諧波分析等?系統(tǒng)先將被測(cè)對(duì)象經(jīng)傳感器單元變成交流小信號(hào)由采集單元對(duì)信號(hào)進(jìn)行處理后送計(jì)算機(jī)進(jìn)行處理,顯示各項(xiàng)檢測(cè)結(jié)果,并可存檔或打印?同時(shí),系統(tǒng)可實(shí)現(xiàn)遠(yuǎn)程監(jiān)控功能?

圖1系統(tǒng)構(gòu)成框圖 圖2系統(tǒng)虛擬化工作流程圖

計(jì)算技術(shù)與自動(dòng)化2007年3月 第26卷第1期方向東:基于LabVIEW的電能質(zhì)量自動(dòng)監(jiān)測(cè)系統(tǒng)

4系統(tǒng)特點(diǎn)

1)采用數(shù)字濾波?數(shù)據(jù)采集卡?窗函數(shù)等信息處理方法,建立新型電力參數(shù)測(cè)量數(shù)學(xué)模型,完成電能質(zhì)量分析與電能計(jì)量等智能功能?

2)采用虛擬儀器技術(shù),系統(tǒng)硬件結(jié)構(gòu)簡(jiǎn)單,組建方便,智能化程度高,可方便地作為電力系統(tǒng)電測(cè)計(jì)量人員試驗(yàn)室和現(xiàn)場(chǎng)校驗(yàn)的常用測(cè)試設(shè)備?

3)通過(guò)Internet實(shí)現(xiàn)遠(yuǎn)程數(shù)據(jù)監(jiān)測(cè)?管理與調(diào)度,可靠性高?擴(kuò)充性強(qiáng)?可移植性強(qiáng)?

5系統(tǒng)設(shè)計(jì)

系統(tǒng)以軟件為核心,依靠軟件及低成本硬件(如插入式板卡)實(shí)現(xiàn)儀器功能,并利用計(jì)算機(jī)強(qiáng)大的運(yùn)算?顯示與擴(kuò)展功能,使系統(tǒng)具有傳統(tǒng)儀器無(wú)法比擬的優(yōu)越性?基于G語(yǔ)言的LabVIEW開(kāi)發(fā)平臺(tái)是目前國(guó)際最先進(jìn)的虛擬儀器控制軟件,集中了對(duì)數(shù)據(jù)的采集?分析?處理?表達(dá),各種總線接口?VXI儀器?GPIB及串口儀器驅(qū)動(dòng)程序的編制,以及強(qiáng)大的數(shù)學(xué)工具包,并具有網(wǎng)絡(luò)與遠(yuǎn)程通訊功能?

5.1數(shù)據(jù)采集卡的安裝與配置

PCI-6024E的硬件安裝較為簡(jiǎn)便,將其插入PC機(jī)內(nèi)的PCI插槽,通過(guò)68芯專(zhuān)用連接器BNC-2120與外部信號(hào)連接?完成硬件連接之后,即可安裝該卡的驅(qū)動(dòng)程序?

成員構(gòu)成：

韓偲彬：對(duì)電腦方面知識(shí)很感興趣，現(xiàn)在我校學(xué)生社聯(lián)網(wǎng)絡(luò)部任部長(zhǎng)，參與上一屆等北京市挑戰(zhàn)杯和第十一屆全國(guó)挑戰(zhàn)杯，分別榮獲特等獎(jiǎng)和二等獎(jiǎng)，并參與過(guò)創(chuàng)業(yè)大賽、數(shù)學(xué)建模等多項(xiàng)比賽，對(duì)軟件應(yīng)用十分熟悉，因而對(duì)本次本小組所需等運(yùn)用LABVIEW軟件等程序編寫(xiě)有很大幫助

湯博：多次參與創(chuàng)新實(shí)驗(yàn)，創(chuàng)業(yè)大賽等具有挑戰(zhàn)性的比賽，積極進(jìn)取，敢于擔(dān)當(dāng)，并且有豐富的實(shí)驗(yàn)經(jīng)驗(yàn)，對(duì)本小組等實(shí)驗(yàn)成功有很大等決定作用

牛琨皓：積極參與學(xué)校等學(xué)科競(jìng)賽，也曾參加過(guò)創(chuàng)新實(shí)驗(yàn)等一系列等比賽，有豐富等創(chuàng)新經(jīng)驗(yàn)，與湯博一起為本次實(shí)驗(yàn)等設(shè)計(jì)者之一，引導(dǎo)大家思路，是成功等保障。

劉心怡：曾于高中時(shí)參加過(guò)各類(lèi)學(xué)科競(jìng)賽，有積極等實(shí)踐精神，雖然現(xiàn)在就讀于本校文科專(zhuān)業(yè)，但仍積極參與各類(lèi)實(shí)驗(yàn)競(jìng)賽，并且其有良好等語(yǔ)言能力和寫(xiě)作能力，也是本小組不可或缺等成員和成功等重要保障。

第五篇：答辯PPT

第一部分：自我介紹（學(xué)號(hào)、姓名、班級(jí)等等)

第二部分：實(shí)習(xí)工作匯報(bào)（工作單位、工作崗位等）第三部分：畢業(yè)綜合實(shí)踐報(bào)告介紹

1、課題名稱(chēng)

2、報(bào)告結(jié)構(gòu)

3、重點(diǎn)內(nèi)容陳述

第四部分：總結(jié)（心得體會(huì)、致謝等）

答辯過(guò)程：

1、個(gè)人對(duì)照PPT對(duì)自己所作的報(bào)告陳述5分鐘左右

2、答辯小組老師對(duì)報(bào)告提出疑問(wèn)

3、現(xiàn)場(chǎng)解答老師提問(wèn)

4、答辯小組老師對(duì)報(bào)告提出意見(jiàn)，學(xué)生再次修改報(bào)告，打印上交。