1、“.....使信息华北电力大学本科毕业设计论文以连接权值的形式分布于整个网络。信息并行处理。人脑神经元之间传递脉冲信号的速度远低于冯诺依曼计算机的工作速度，但是在很多问题上却可以做出快速的判断决策和处理，这是由于人脑是个大规模并行与串行组合的处理系统。神经网络的基本结构模仿人脑，具有并行处理的特征，大大提高了网络功能。具有容错性。生物神经系统部分不严重损伤并不影响整体功能，神经网络也具有这种特性，网络的高度连接意味着少量的误差可能不会产生严重的后果，部分神经元的损伤不破坏整体，它可以自动修正误差。这与现代计算机的脆弱性形成鲜明对比。具有自学习自组织自适应的能力。神经网络具有初步的自适应与自组织能力，在学习或训练中改变突触权值以适应环境，可以在使用过程中不断学习完善自己的功能，并且同网络因学习方式的不同可以具有不同的功能，它甚至具有创新能力，可以发展知识......”。

2、“.....神经网络的主要功能目前，在人工神经网络的实际应用中。绝大部分的神经网络模型都采用神经网络及其变化形式。它也是前向网络的核心部分，体现了人工神经网络的精华。网络主要用于以下四方面。函数逼近用输入向量和相应的输出向量训练个网络以逼近个函数。模式识别用个待定的输出向量将它与输入向量联系起来。分类把输入向量所定义的合适方式进行分类。数据压缩减少输出向量维数以便传输或存储。近年来，随着我国电力事业的发展和智能电网的提出，学者也将神经网络引入了电力网，对电网的负荷预测，电力参数采集，继电保护等方面都占据了越来越重要的地位。网络的优点以及局限性神经网络最主要的优点是具有极强的非线性映射能力。理论上，对于个三层和三层以上的网络，只要隐层神经元数目足够多，该网络就能以任意精度逼近个非线性函数。其次，神经网络具有对外界刺激和输入信息进行联想记忆的能力......”。

3、“.....对信息的提取必须采用联想的方式，才能将相关神经元全部调动起来。神经网络通过预先存储信息和学习机制进行自适应训练，可以从不完整的信息和噪声干扰中恢复原始的完整信息。这种能力使其在图像复原语言处理模式识别等方面具有重要应用。再次，神经网络对外界输入样本有很强的识别与分类能力。由于它具有强大的非线性处理能力，因此可以较好地进行非线性分类，解决了神经网络发展史上的非线性分类难题。另外，神经网络具有优化计算能力。神经网络本质上是个非线性优化问题，它可以在已知的约束条件下，寻找组参数组合，使该组合确定的目标函数达到最小。不过，其优化计算存在局部极小问题，必须通过改进完善。华北电力大学本科毕业设计论文由于网络训练中稳定性要求学习效率很小，所以梯度下降法使得训练很慢。动量法因为学习率的提高通常比单纯的梯度下降法要快些，但在实际应用中还是速度不够......”。

4、“.....多层神经网络可以应用于线性系统和非线性系统中，对于任意函数模拟逼近。当然，感知器和线性神经网络能够解决这类网络问题。但是，虽然理论上是可行的，但实际上网络并不定总能有解。对于非线性系统，选择合适的学习率是个重要的问题。在线性网络中，学习率过大会导致训练过程不稳定。相反，学习率过小又会造成训练时间过长。和线性网络不同，对于非线性多层网络很难选择很好的学习率。对那些快速训练算法，缺省参数值基本上都是最有效的设置。非线性网络的误差面比线性网络的误差面复杂得多，问题在于多层网络中非线性传递函数有多个局部最优解。寻优的过程与初始点的选择关系很大，初始点如果更靠近局部最优点，而不是全局最优点，就不会得到正确的结果，这也是多层网络无法得到最优解的个原因。为了解决这个问题，在实际训练过程中，应重复选取多个初始点进行训练，以保证训练结果的全局最优性......”。

5、“.....神经元数目太少会造成网络的不适性，而神经元数目太多又会引起网络的过适性。网络在电力参数采样中的应用问题的提出网络由很强的映射能力，主要用于模式识别分类函数逼近函数压缩等。因此，通过算法采样所描绘的参数波形精确度比较高。下面来做个的仿真，假设电网参数波形类似于函数，实现对该非线性函数的逼近。其中，分别令进行仿真，通过调节参数如隐藏层节点个数等得出信号的频率与隐层节点之间，隐层节点与函数逼近能力之间的关系。基于神经网络逼近函数步骤假设频率参数，绘制要逼近的非线性函数的曲线。函数的曲线如图所示要逼近的非线性函数时间非线性函数华北电力大学本科毕业设计论文图要逼近的非线性函数曲线步骤网络的建立应用函数建立网络结构。隐层神经元数目可以改变，暂设为，输出层有个神经元。选择隐层和输出层神经元传递函数分别为函数和函数，网络训练的算法采用算法......”。

6、“.....可以应用函数观察网络输出。未训练网络的输出结果时间仿真输出原函数同时绘制网络输出曲线，并与原函数相比较，结果如图所示。华北电力大学本科毕业设计论文图未训练网络的输出结果其中代表要逼近的非线性函数曲线代表未经训练的函数曲线因为使用函数建立函数网络时，权值和阈值的初始化是随机的，所以网络输出结构很差，根本达不到函数逼近的目的，每次运行的结果也有时不同。步骤网络训练应用函数对网络进行训练之前，需要预先设置网络训练参数。将训练时间设置为，训练精度设置为，其余参数使用缺省值。训练后得到的误差变化过程如图所示。图训练过程网络训练时间设置为网络训练精度设置为开始训练网络，华北电力大学本科毕业设计论文，，从以上结果可，王成山，王继东基于小波包分解的电能质量扰动分类方法电网技术肖冰，梁军，等变换在电压闪变检测中的应用继电器杨奕......”。

7、“.....吴友宇数字信号处理东南大学出版社，吴锡龙信号与系统高等教育出版社，金明用于电力系统谐波分析的算法电网技术，史旺旺交流采样中开平方算法的研究电测与仪表，张艳萍，李益华电力系统微机监控的交流采样算法研究长沙电力学院学报，华北电力大学本科毕业设计论文致谢在即将完成学业之际，我要衷心的感谢那些曾经关心过我和帮助过我的人，不论在学习过程中还是在生活当中，如果没有他们为我排忧解难，就不会有我今天的顺利毕业。论文搁笔之际，首先我要把最诚挚的感谢献给我的导师刘书刚教授，本论文是在导师的悉心指导和精心培养下完成的，论文的选题研究和撰写始终得到导师的指导和帮助。刘老师深厚的学术造诣坚持不懈的探索精神以及对学术前沿的敏锐的洞察力，使学生终身受益。导师严谨的治学态度侮人不倦的美德以及科学的工作方法永远是学生学习的榜样。在此......”。

8、“.....其次，要感谢计算机科学与技术学院所有的领导和老师，他们为我的学习和生活提供了很大的方便和有利条件，是我的学业能够顺利完成。同时也要感谢华北电力大学曾经教授过我的老师们，他们的教侮使我终身难忘。最后，我要特别感谢我的家人和同学。我的同窗好友对我的研究工作给予了热情帮助，在此向他们表达我的感激之情。感谢我尊敬的父母，他们用博大的胸怀勤劳的双手和几十年的心血养育了我，是他们朴实无私的奉献和所倾注的爱与关怀使我能够在学校专心完成学业。再次向所有曾帮助和关心过我的师长亲人朋友表示感谢,以看出，网络训练速度很快，经过次循环跌送过程就达到了要求的精度。步骤网络测试对于训练好的网络进行仿真，训练后网络的输出结果时间仿真输出绘制网络输出曲线，并与原始非线性函数曲线以及未训练网络的输出结果曲线相比较，比较出来的结果如图所示......”。

9、“.....得到的曲线和原始的非线性函数曲线很接近。这说明经过训练后，网络对非线性函数的逼近效果比较好。华北电力大学本科毕业设计论文不同频率下的逼近效果改变非线性函数的频率和函数隐层神经元的数目，对于函数逼近的效果有定的影响。网络非线性程度越高，对于网络的要求越高，则相同的网络逼近效果要差些隐层神经元的数目对于网络逼近效果也有定影响，般来说，隐层神经元数目越多，则网络逼近非线性函数的能力越强。下面通过改变频率参数和非线性函数的隐层神经元数目来加以比较证明。频率参数设为，当隐层神经元数目分别取时，得到了训练后的网络输出结果如图，所示。图当时训练后网络的输出结果图当时训练后网络的输出结果其中代表要逼近的非线性函数曲线代表未经训练的函数曲线代表经过训练的函数曲线频率参数设为，当隐层神经元数目分别取时......”。