导读:本文包含了回归神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,广义,牙轮,通流,金属陶瓷,灰色,径流。
回归神经网络论文文献综述
李杰,段光友,曾义,段振馨,吴卓熙[1]（2019）在《人工神经网络、极端梯度提升和Logistic回归用于预测再次剖宫产术中输血的比较分析》一文中研究指出目的通过大样本临床数据构建再次剖宫产术中输血的预测模型,分析比较人工神经网络(artificial neural network,ANN)、极端梯度提升(extreme gradient boosting,XGB)和Logistic回归3种机器学习算法的预测效果。方法通过医院病历系统,收集我院2015年10月至2017年10月符合纳入标准的再次剖宫产产妇2 525例,详细录入产妇术前、术中各项指标。将可能有临床意义的变量纳入预测模型的构建,分别采用Logistic回归、XGB和ANN 3种机器学习算法构建术中输血预测模型。计算并比较3个模型的ROC曲线下面积(AUROC)、精确度、召回率和F1值4个指标。结果研究的有效样本共2 525例,其中332例(13.1%)进行了术中输血。最终的模型得到5个最重要的预测因素为:术前Hb、手术时间、宫缩乏力、前置胎盘和ASA分级。Logistic回归、XGB和ANN 3种算法的AUROC依次为0.960、0.959、0.956,同时通过F1值、精确度、召回率3个指标的比较发现3种算法差别很小。为进一步比较预测效果,再次在训练样本和测试样本上进行预测验证,发现XGB的AUROC为0.904和0.886,高于Logistic回归的0.868和0.878,以及ANN的0.882和0.884,同时XGB的精确度、召回率和F1 3个指标均略高于Logistic回归和ANN。结论术前Hb、手术时间、前置胎盘等指标可用于预测再次剖宫产术中输血。Logistic回归、XGB和ANN这3种机器学习算法均可用于剖宫产术中输血的预测,但XGB的预测效果比Logistic回归和ANN更准确。(本文来源于《第叁军医大学学报》期刊2019年24期）
范鹏飞,张冠[2]（2019）在《基于线性回归和神经网络的金属陶瓷激光熔覆层形貌预测》一文中研究指出目的研究激光熔覆关键工艺参数(激光功率、扫描速度、送粉速率)与单道熔覆层宏观形貌(宽度、高度、熔池深度)之间的数量关系,以实现对WC-Co50复合熔覆层形貌的预测,从而为牙轮钻头的修复提供参考。方法设计不同的实验参数,利用4k W光纤激光器在牙轮钻头钢15MnNi4Mo表面熔覆单道WC-Co50复合涂层。采用工业显微镜观察单道熔覆层的横截面宏观形貌,并测量其叁维尺寸。在上述形貌参数的基础上,分别运用多元线性回归分析和人工神经网络方法,建立关键工艺参数与熔覆层宏观形貌之间的关系模型,并将实验结果与模型预测结果进行对比。结果总体来讲,神经网络对熔覆层形貌的预测结果更为精确,平均相对误差为5.3187%;多元线性回归分析预测的平均相对误差为6.0028%。分析表明,对熔覆层宽度的预测结果最精确,两种方法的平均相对误差仅为1.2999%;对高度及熔池深度的预测结果稍差,平均相对误差分别为8.0586%和7.6237%。结论两种预测方法都具有较高的精度,但神经网络法函数关系不明确,运算过程复杂,需要通过进一步的算法优化来提高预测精度。(本文来源于《表面技术》期刊2019年12期）
徐珊,李斌,岳超[3]（2019）在《基于广义回归神经网络GRNN的黄前水库径流预测分析》一文中研究指出利用1964年至2011年黄前水库以上年降雨量、蒸发量和径流量作为网络的训练样本,2012年的数据作为网络的外推测试样本,监测数值训练中采用交叉验证方法训练GRNN神经网络,对黄前水库径流量进行预测分析,采用网络循环训练方法,达到最佳预测效果。(本文来源于《科技风》期刊2019年32期）
许伊夏[4]（2019）在《企业社会责任与经营绩效的关系——基于广义回归神经网络的证据》一文中研究指出随着环境与社会问题的日益凸显,经济绩效不再是评价企业的唯一标准,企业社会责任愈发受到社会各界的重视。同时,人工智能的不断发展使得深度学习逐渐在经济应用中崭露头角。因此,本文利用广义回归神经网络,就企业社会责任于企业经营绩效之间的关系进行研究,为学术界关于这一论题提供了不同方法下的新的证据。(本文来源于《统计与管理》期刊2019年10期）
佟秀秀,康志宏[5]（2019）在《基于多元线性回归和BP神经网络的单井能力预测》一文中研究指出为提高单井能力预测的精度和可靠性,提出利用地震属性数据,结合多元线性回归方法和BP神经网络方法进行预测。首先提取了研究区目的层的地震属性,然后利用多元线性回归方法和BP神经网络方法建立了单井能力与地质、地震属性之间的函数关系,得出了半定量-定量化的单井产量设计模型,并且验证了模型的预测结果。结果显示:单井能力预测精度总体在80%以上,其中BP神经网络模型预测精度更高,吻合度更好,证明了利用多种地震属性联合预测单井产能是一种卓有成效的方法。(本文来源于《科学技术与工程》期刊2019年29期）
彭周宁,林培杰,赖云锋,程树英,陈志聪[6]（2019）在《基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测》一文中研究指出随着大规模的光伏发电接入电网,其输出的随机性和波动性给电网调度管理带来巨大的挑战。基于此,本文提出了一种同时考虑统计(历史光伏输出功率)和物理(历史和未来的气象信息)变量的混合灰色关联分析-广义回归神经网络预测模型。首先,计算多元气象因子与光伏发电功率的皮尔逊相关系数,将相关系数较高的气象因子确定为建立预测模型的气象输入因子;然后,采用灰色关联分析算法计算历史日与待预测日的关联度确定最佳相似日,选取最佳相似日的光伏输出功率和气象输入因子以及待预测日的相关气象参数作为广义回归神经网络模型的输入参数,得到待预测日各个时刻输出功率的预测值;最后,利用澳大利亚DKA太阳能中心网站所提供的光伏电站历史气象数据和功率数据对所设计的模型进行训练和测试,验证模型在不同季节下的预测效果。结果表明,与所选择的对比模型相比,本文所建模型具有较好的预测性能。(本文来源于《电气技术》期刊2019年10期）
郭华,王建平[7]（2019）在《基于BP神经网络和多元回归的边坡稳定性预测研究》一文中研究指出针对京新高速张家口路段的5个工程边坡进行了基于BP神经网络和多元回归的稳定性预测模型比较研究。结合45个不同土质参数的公路边坡实例,将影响路基边坡稳定性的岩土体内摩擦角、内聚力、重度、边坡角、边坡高度以及孔隙水压力6个主要因素作为评价因子。采用BP神经网络和多元回归两种预测方法对边坡的安全系数进行预测分析。通过对比两种模型的预测值和实际值以及方差和均方根误差,结果表明,两种模型都有较高的预测准确度,相比之下BP神经网络较之多元回归具有更精确的预测结果,更适用于边坡稳定性的预测分析。(本文来源于《低温建筑技术》期刊2019年09期）
殷礼胜,唐圣期,李胜,何怡刚[8]（2019）在《基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测》一文中研究指出针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取,可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明,在预测精度方面,该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络,在收敛速度方面,用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。(本文来源于《电子与信息学报》期刊2019年09期）
张玲玲[9]（2019）在《A股上市公司财务预警模型对比研究——基于logistic回归和BP神经网络模型》一文中研究指出财务危机对于一个企业是致命的。国内外众多学者都针对公司的财务情况进行了定性以及定量的相关研究。在实证方面,财务预警模型众多。因此本文根据前人的实证研究,采用上市公司A股数据,比较logistic回归和BP神经网络两种财务预警模型,以寻找更加优质的财务预警模型。(本文来源于《环渤海经济了望》期刊2019年09期）
邓天民,杨其芝,方芳,岳云霞[10]（2019）在《基于非线性自适应回归神经网络的GPS/IMU组合导航方法》一文中研究指出车道级高精度定位导航是智能网联汽车的基本配置,全球定位系统(globlal positioning system,GPS)/惯性测量单元(inertial meansurement unit,IMU)组合导航是高精度定位的关键技术之一。根据汽车行驶过程中高精度定位要求,提出了应用于智能网联汽车的基于非线性自适应回归(nonlinear autoregressive exogenous,NARX)神经网络的GPS/IMU组合导航方法。首先,根据IMU传感器数据特性,建立了基于扩展卡尔曼滤波的惯性导航系统(inertial navigation system,INS)模型,其次,基于NARX神经网络,建立了GPS/INS组合定位训练和预测模型,然后,基于全球导航卫星系统(global navigation satellite system,GNSS)、实时动态差分技术(real-time kinematic,RTK)、INS等技术,设计了智能网联汽车RTK高精度定位数据采集实验系统,并收集了实验数据。最后,对NARX网络训练误差和GNSS信号长时间失效情况下定位预测误差进行了讨论与分析。实验结果表明,该方法在GNSS信号失效5 min情况下,定位预测误差在2. 5 m以内,满足一般情况下,短、中、长隧道中智能网联汽车定位应用要求。(本文来源于《科学技术与工程》期刊2019年24期）
回归神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的研究激光熔覆关键工艺参数(激光功率、扫描速度、送粉速率)与单道熔覆层宏观形貌(宽度、高度、熔池深度)之间的数量关系,以实现对WC-Co50复合熔覆层形貌的预测,从而为牙轮钻头的修复提供参考。方法设计不同的实验参数,利用4k W光纤激光器在牙轮钻头钢15MnNi4Mo表面熔覆单道WC-Co50复合涂层。采用工业显微镜观察单道熔覆层的横截面宏观形貌,并测量其叁维尺寸。在上述形貌参数的基础上,分别运用多元线性回归分析和人工神经网络方法,建立关键工艺参数与熔覆层宏观形貌之间的关系模型,并将实验结果与模型预测结果进行对比。结果总体来讲,神经网络对熔覆层形貌的预测结果更为精确,平均相对误差为5.3187%;多元线性回归分析预测的平均相对误差为6.0028%。分析表明,对熔覆层宽度的预测结果最精确,两种方法的平均相对误差仅为1.2999%;对高度及熔池深度的预测结果稍差,平均相对误差分别为8.0586%和7.6237%。结论两种预测方法都具有较高的精度,但神经网络法函数关系不明确,运算过程复杂,需要通过进一步的算法优化来提高预测精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
回归神经网络论文参考文献
[1].李杰,段光友,曾义,段振馨,吴卓熙.人工神经网络、极端梯度提升和Logistic回归用于预测再次剖宫产术中输血的比较分析[J].第叁军医大学学报.2019
[2].范鹏飞,张冠.基于线性回归和神经网络的金属陶瓷激光熔覆层形貌预测[J].表面技术.2019
[3].徐珊,李斌,岳超.基于广义回归神经网络GRNN的黄前水库径流预测分析[J].科技风.2019
[4].许伊夏.企业社会责任与经营绩效的关系——基于广义回归神经网络的证据[J].统计与管理.2019
[5].佟秀秀,康志宏.基于多元线性回归和BP神经网络的单井能力预测[J].科学技术与工程.2019
[6].彭周宁,林培杰,赖云锋,程树英,陈志聪.基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测[J].电气技术.2019
[7].郭华,王建平.基于BP神经网络和多元回归的边坡稳定性预测研究[J].低温建筑技术.2019
[8].殷礼胜,唐圣期,李胜,何怡刚.基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测[J].电子与信息学报.2019
[9].张玲玲.A股上市公司财务预警模型对比研究——基于logistic回归和BP神经网络模型[J].环渤海经济了望.2019
[10].邓天民,杨其芝,方芳,岳云霞.基于非线性自适应回归神经网络的GPS/IMU组合导航方法[J].科学技术与工程.2019
论文知识图
