基于多维数据分析的神经网络与分布式计算研究
发布时间：2023-04-22 21:29
人工神经网络技术以其大规模并行处理、分布式存储、自适应性、容错性等优点吸引了众多领域科学家的广泛关注,被广泛地应用于生物、电子、计算机、数学等领域。随着网络通信技术和互联网的飞速发展,分布式计算成为影响当今计算机技术发展的关键技术力量之一,在现代社会和经济发展中得到越来越广泛的应用。这两项技术都离不开数据,而大量的数据来自数据仓库存储的多维数据;这两项技术都需要数据分析,都会涉及多维矩阵。因此,研究基于多维数据分析的神经网络与分布式计算有着重要的意义,使得本研究工作得到国家自然科学基金的支持。 本文的工作主要分为以下四个方面。 在多维数据分析与多维矩阵研究方面,针对数据仓库中进行多维数据分析处理的重要性,引入多维矩阵的概念,对应用最广泛的立体阵,讨论了它的运算性质,为在神经网络和分布式计算中的应用打下基础。 在基于多维数据分析的神经网络研究方面,首先构造了一种无监督学习的凸约束神经网络模型,该网络具有特殊结构,能实现数据压缩与还原过程,经过训练后可以表示信息的主要特征。其次研究了一种贝叶斯神经网络,运用广义朴素贝叶斯方法来处理连续变量,构造一种正交多项式核函数对其先验分布的密度函数进行...
【文章页数】：126 页
【学位级别】：博士
【文章目录】：
中文摘要
ABSTRACT
目录
第1章 绪论
1.1 研究背景
1.2 研究的目的和意义
1.3 研究内容
1.4 论文的组织形式
第2章 多维数据分析与多维矩阵
2.1 前言
2.2 基于数据仓库的多维数据分析
2.2.1 数据仓库概述
2.2.2 数据仓库的多维数据集和多维数据模型
2.2.3 联机分析处理
2.2.4 数据立方体
2.3 多维矩阵
2.3.1 多维矩阵的定义
2.3.2 多维矩阵的运算性质
2.4 本章小结
第3章 基于多维数据分析的神经网络构造与计算
3.1 人工神经网络概述
3.1.1 什么是神经网络
3.1.2 神经网络的形式化模型
3.1.3 神经网络的分类及拓扑结构
3.1.4 神经网络的学习规则
3.1.5 神经网络的应用
3.2 无监督学习的凸约束神经网络结构及算法
3.2.1 凸约束神经网络模型
3.2.2 凸约束下的广义最小二乘模型
3.2.3 集间的交互投影及收敛性
3.2.4 算例
3.3 贝叶斯网络先验分布密度核估计的优良性
3.3.1 朴素贝叶斯
3.3.2 正交多项式核函数的构造
3.3.3 贝叶斯网络先验分布密度核估计的连续性及光滑性
3.3.4 贝叶斯网络先验分布密度及其导数核估计的收敛性
3.3.5 比较与结论
3.4 本章小结
第4章 一类新型神经网络及其应用
4.1 前言
4.2 基于随机前沿面模型和分岔神经网络的TFP测度
4.2.1 生产函数与TFP
4.2.2 随机前沿面模型
4.2.3 基于随机前沿面函数的TFP测度
4.2.4 随机前沿面模型在分岔神经网络中的实现
4.2.5 算例
4.3 基于Malmquist函数和半监督异构神经网络的TFP测度
4.3.1 基于神经网络的使用生产函数计算TFP测度
4.3.2 基于神经网络的使用马奎斯特指数计算TFP
4.3.3 基于神经网络的使用投入产出表计算TFP
4.3.4 使用半监督异构神经网络进行TFP测度
4.4 本章小结
第5章 基于多维数据分析的分布式计算
5.1 前言
5.2 多对象结构方程模型的分布式计算
5.2.1 结构方程模型
5.2.2 多对象结构方程模型及分布式计算
5.2.3 多对象评估SEM中凸约束最小二乘解
5.2.4 比较与结论
5.3 多元曲线漂移模型销售曲线预测的分布式计算
5.3.1 多元曲线漂移模型
5.3.2 分布获得拟合漂移曲线
5.3.3 确定漂移参数和预测曲线
5.4 本章小结
第6章 若干分布式计算及其应用
6.1 前言
6.2 一般分布函数表的Monte Carlo分布式计算
6.2.1 伪随机数的分布式发生
6.2.2 分布函数表的Monte Carlo分布式计算
6.2.3 单位根过程检验的分位点计算
6.3 蛋白质分子构造的分布式计算
6.3.1 一个简洁的分解算法
6.3.2 改进的计算机列举算法
6.3.3 分布式计算的实现
6.4 MOS管寿命分布的负指数矩估计及其分布式计算
6.4.1 MOS管寿命模型及其分布
6.4.2 寿命模型参数的负指数矩估计
6.4.3 截尾实验下的参数估计
6.4.4 模型验证及分布式计算
6.5 本章小结
第7章 基于多维数据分析的神经网络与分布式计算综合应用
7.1 顾客满意度指数测评系统理论研究
7.2 顾客满意度指数测评系统的实现
7.2.1 系统设计
7.2.2 主要人机交互界面
第8章 总结和展望
8.1 本文的主要研究成果和创新
8.2 进一步的研究设想
参考文献
致谢
攻读博士期间的科研成果
本文编号：3798430
【文章页数】：126 页
【学位级别】：博士
【文章目录】：
中文摘要
ABSTRACT
目录
第1章 绪论
1.1 研究背景
1.2 研究的目的和意义
1.3 研究内容
1.4 论文的组织形式
第2章 多维数据分析与多维矩阵
2.1 前言
2.2 基于数据仓库的多维数据分析
2.2.1 数据仓库概述
2.2.2 数据仓库的多维数据集和多维数据模型
2.2.3 联机分析处理
2.2.4 数据立方体
2.3 多维矩阵
2.3.1 多维矩阵的定义
2.3.2 多维矩阵的运算性质
2.4 本章小结
第3章 基于多维数据分析的神经网络构造与计算
3.1 人工神经网络概述
3.1.1 什么是神经网络
3.1.2 神经网络的形式化模型
3.1.3 神经网络的分类及拓扑结构
3.1.4 神经网络的学习规则
3.1.5 神经网络的应用
3.2 无监督学习的凸约束神经网络结构及算法
3.2.1 凸约束神经网络模型
3.2.2 凸约束下的广义最小二乘模型
3.2.3 集间的交互投影及收敛性
3.2.4 算例
3.3 贝叶斯网络先验分布密度核估计的优良性
3.3.1 朴素贝叶斯
3.3.2 正交多项式核函数的构造
3.3.3 贝叶斯网络先验分布密度核估计的连续性及光滑性
3.3.4 贝叶斯网络先验分布密度及其导数核估计的收敛性
3.3.5 比较与结论
3.4 本章小结
第4章 一类新型神经网络及其应用
4.1 前言
4.2 基于随机前沿面模型和分岔神经网络的TFP测度
4.2.1 生产函数与TFP
4.2.2 随机前沿面模型
4.2.3 基于随机前沿面函数的TFP测度
4.2.4 随机前沿面模型在分岔神经网络中的实现
4.2.5 算例
4.3 基于Malmquist函数和半监督异构神经网络的TFP测度
4.3.1 基于神经网络的使用生产函数计算TFP测度
4.3.2 基于神经网络的使用马奎斯特指数计算TFP
4.3.3 基于神经网络的使用投入产出表计算TFP
4.3.4 使用半监督异构神经网络进行TFP测度
4.4 本章小结
第5章 基于多维数据分析的分布式计算
5.1 前言
5.2 多对象结构方程模型的分布式计算
5.2.1 结构方程模型
5.2.2 多对象结构方程模型及分布式计算
5.2.3 多对象评估SEM中凸约束最小二乘解
5.2.4 比较与结论
5.3 多元曲线漂移模型销售曲线预测的分布式计算
5.3.1 多元曲线漂移模型
5.3.2 分布获得拟合漂移曲线
5.3.3 确定漂移参数和预测曲线
5.4 本章小结
第6章 若干分布式计算及其应用
6.1 前言
6.2 一般分布函数表的Monte Carlo分布式计算
6.2.1 伪随机数的分布式发生
6.2.2 分布函数表的Monte Carlo分布式计算
6.2.3 单位根过程检验的分位点计算
6.3 蛋白质分子构造的分布式计算
6.3.1 一个简洁的分解算法
6.3.2 改进的计算机列举算法
6.3.3 分布式计算的实现
6.4 MOS管寿命分布的负指数矩估计及其分布式计算
6.4.1 MOS管寿命模型及其分布
6.4.2 寿命模型参数的负指数矩估计
6.4.3 截尾实验下的参数估计
6.4.4 模型验证及分布式计算
6.5 本章小结
第7章 基于多维数据分析的神经网络与分布式计算综合应用
7.1 顾客满意度指数测评系统理论研究
7.2 顾客满意度指数测评系统的实现
7.2.1 系统设计
7.2.2 主要人机交互界面
第8章 总结和展望
8.1 本文的主要研究成果和创新
8.2 进一步的研究设想
参考文献
致谢
攻读博士期间的科研成果
本文编号：3798430
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/3798430.html
