自组织神经网络在信息处理中的应用研究
发布时间：2024-02-18 01:42
人工神经网络是人工智能的一项重要研究内容,也是信息处理领域的重要研究手段,它以高度并行性、分布存储性、容错性、非线性、结构多变性等诸多特性成为智能信息处理领域的一大重要技术。自组织神经网络(SOM)是一种无监督的具有自我学习能力的人工神经网络,它具有许多独特而又有效的特性,如保序映射、数据压缩、特征抽取等,这些功能特点使得SOM能够被应用于诸多领域的分类和识别等问题上。本文根据SOM的这些特点,对SOM神经网络加以构造和挖掘,分别将其应用于信号、医学、武器等领域的信息处理问题之中,具体研究内容如下:(1)利用SOM特征映射神经网络保拓扑序的特性对阵列信号波达方向进行估计。对于阵列信号处理中的单源信号波达方向(DOA)估计问题,建立起基于距离差(DDOA)向量探测DOA的两种二维阵列模型——均匀线阵和任意阵列模型。将DDOA向量与波达方向角(AOA)之间的关系看做由DDOA空间到AOA空间的映射,对此映射,通过推导分析得出采样信号的这两个变量之间存在着相似的拓扑分布。因此,欲通过DDOA对AOA进行估计并不必须得到二者之间的具体映射,只需建立双层SOM特征映射神经网络,模拟DDOA到AO...
【文章页数】：111 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 人工神经网络的研究现状
1.2.1 人工神经网络的发展历程
1.2.2 生物神经网络与人工神经网络
1.2.3 人工神经网络理论基础
1.2.4 人工神经网络的网络结构
1.2.5 几种经典人工神经网络理论模型
1.3 自组织神经网络的研究现状
1.4 本文的主要研究内容
2 相关基础理论
2.1 自组织竞争神经网络
2.1.1 模式的相似性
2.1.2 网络竞争学习的原理
2.2 自组织特征映射神经网络
2.2.1 自组织特征映射（SOM）的网络结构
2.2.2 Kohonen自组织特征映射网络
2.2.3 Kohonen自组织特征映射的性质
3 基于DDOA及SOM神经网络的阵列定向研究
3.1 阵列信号模型
3.1.1 源信号与噪声假设
3.1.2 阵列信号处理模型
3.1.3 阵列信号空时采样模型
3.2 MUSIC算法估计波达方向
3.2.1 基于阵列协方差阵特征分解的子空间分解
3.2.2 基于阵列协方差阵特征分解的源信号个数估计
3.2.3 MUSIC算法估计波达方向
3.3 RBF神经网络估计波达方向
3.4 均匀线阵SOM神经网络波达方向估计
3.4.1 DOA问题研究现状
3.4.2 问题的模型
3.4.3 Kohonen自组织神经网络
3.4.4 基于SOM神经网络的DOA估计模型
3.4.5 方法可靠性分析
3.4.6 仿真及实验结果分析
3.4.7 结论与讨论
3.5 任意阵SOM神经网络波达方向估计
3.5.1 任意阵列探测AOA模型
3.5.2 任意阵列下利用SOM估计AOA模型
3.5.3 基于Lipschitz条件的可靠性分析
3.5.4 仿真及实验结果分析
3.5.5 本节结论
3.6 本章小结
4 基于自组织神经网络及基因表达的结肠癌分类研究
4.1 基于基因表达对癌症分类研究的背景及意义
4.2 基因数据
4.3 基于SOM神经网络对随机选取的基因分类原理
4.3.1 SOM网络训练方法
4.3.2 SOM网络对随机选取基因组分类
4.4 实验结果及分析
4.4.1 分类失误率的分布
4.4.2 利用非线性主成分分析(NLPCA)去除离群因素
4.4.3 寻找潜在信息基因
4.4.4 K-CV交叉验证考查稳定性
4.5 本章小结
5 基于自组织回归神经网络的火炮膛压研究
5.1 火炮膛压问题的研究背景
5.2 BP神经网络模型
5.3 自组织回归（AR-SOM）神经网络模型
5.4 数值实验及结果分析
5.4.1 实验数据来源
5.4.2 基于BP神经网络的实验结果分析
5.4.3 基于AR-SOM神经网络的实验结果分析
5.5 本章小结
6 结束语
6.1 工作总结
6.2 展望
参考文献
攻读博士学位期间发表的论文及研究成果
致谢
本文编号：3901676
【文章页数】：111 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 人工神经网络的研究现状
1.2.1 人工神经网络的发展历程
1.2.2 生物神经网络与人工神经网络
1.2.3 人工神经网络理论基础
1.2.4 人工神经网络的网络结构
1.2.5 几种经典人工神经网络理论模型
1.3 自组织神经网络的研究现状
1.4 本文的主要研究内容
2 相关基础理论
2.1 自组织竞争神经网络
2.1.1 模式的相似性
2.1.2 网络竞争学习的原理
2.2 自组织特征映射神经网络
2.2.1 自组织特征映射（SOM）的网络结构
2.2.2 Kohonen自组织特征映射网络
2.2.3 Kohonen自组织特征映射的性质
3 基于DDOA及SOM神经网络的阵列定向研究
3.1 阵列信号模型
3.1.1 源信号与噪声假设
3.1.2 阵列信号处理模型
3.1.3 阵列信号空时采样模型
3.2 MUSIC算法估计波达方向
3.2.1 基于阵列协方差阵特征分解的子空间分解
3.2.2 基于阵列协方差阵特征分解的源信号个数估计
3.2.3 MUSIC算法估计波达方向
3.3 RBF神经网络估计波达方向
3.4 均匀线阵SOM神经网络波达方向估计
3.4.1 DOA问题研究现状
3.4.2 问题的模型
3.4.3 Kohonen自组织神经网络
3.4.4 基于SOM神经网络的DOA估计模型
3.4.5 方法可靠性分析
3.4.6 仿真及实验结果分析
3.4.7 结论与讨论
3.5 任意阵SOM神经网络波达方向估计
3.5.1 任意阵列探测AOA模型
3.5.2 任意阵列下利用SOM估计AOA模型
3.5.3 基于Lipschitz条件的可靠性分析
3.5.4 仿真及实验结果分析
3.5.5 本节结论
3.6 本章小结
4 基于自组织神经网络及基因表达的结肠癌分类研究
4.1 基于基因表达对癌症分类研究的背景及意义
4.2 基因数据
4.3 基于SOM神经网络对随机选取的基因分类原理
4.3.1 SOM网络训练方法
4.3.2 SOM网络对随机选取基因组分类
4.4 实验结果及分析
4.4.1 分类失误率的分布
4.4.2 利用非线性主成分分析(NLPCA)去除离群因素
4.4.3 寻找潜在信息基因
4.4.4 K-CV交叉验证考查稳定性
4.5 本章小结
5 基于自组织回归神经网络的火炮膛压研究
5.1 火炮膛压问题的研究背景
5.2 BP神经网络模型
5.3 自组织回归（AR-SOM）神经网络模型
5.4 数值实验及结果分析
5.4.1 实验数据来源
5.4.2 基于BP神经网络的实验结果分析
5.4.3 基于AR-SOM神经网络的实验结果分析
5.5 本章小结
6 结束语
6.1 工作总结
6.2 展望
参考文献
攻读博士学位期间发表的论文及研究成果
致谢
本文编号：3901676
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3901676.html
