《仿真数值分析方法及其应用》求取 ⇩

第一章概述1

1.1 问题提出1

1.2 国内外研究概况3

1.3 研究内容概要6

9.1 本书的主要工作与结论 117

2.1 引言9

第二章稳态仿真输出分析方法的研究9

2.2 稳态仿真输出分析方法综合评述10

2.3 批平均法的改进15

2.4 间隔抽样法21

2.5 实例分析26

2.6 小结28

第三章小样本或单次运行的仿真输出分析方法29

3.1 引言29

3.2 正态Bayes方法30

3.3 正态伽玛Baycs方法31

3.4 伽玛Baycs方法32

3.5 Baycs方法中先验分布的确定方法34

3.6 实例研究35

3.7 小结37

第四章随机系统仿真中的对偶变量和公共变量法38

4.1 引言38

4.2 公共和对偶变量法的数学描述38

4.3 公共和对偶变量法的理论分析41

4.4 公共和对偶变量法的应用分析49

4.5 命题证明53

4.6 小结58

5.1 引言59

第五章BP神经网络的研究和改进59

5.2 MLP-BP神经网络的研究60

5.3 MLP-BP神经网络的改进63

5.4 小结69

第六章基于神经网络的仿真输出分析71

6.1 引言71

6.2 基于神经网络的仿真输出分析的总体框架72

6.3 基于神经网络的仿真输出数据的分布识别75

6.4 基于神经网络的智能化的仿真输出后期分析79

6.5 小结84

第七章仿真输出数据分布形式的模糊识别86

7.1 引言86

7.2 仿真输出数据分布形式的模糊识别模型86

7.3 特征量的提取与隶属函数确定87

7.4 样本量对隶属度和识别结果的影响89

7.5 实验检验与实例分析91

7.6 小结93

第八章仿真输出分析的应用实例研究94

8.1 实际系统的描述与仿真研究任务分析94

8.2 实际系统的仿真模型的建立99

8.3 仿真实验与输出结果分析103

8.4 小结116

第九章结论与展望117

9.2 进一步的设想和展望118

参考文献120

附录A 通用BP神经网络算法源程序133

附录B 通用分布形式模糊识别软件147

附录C 生产线的SLAM仿真模型175