淡江大學機構典藏:Item 987654321/7776
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 54566/89241 (61%)
造访人次 : 10577692      在线人数 : 41
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/7776


    题名: 輻狀基底函數類神經網路理論探討及其降雨-逕流模式之應用
    其它题名: A Study of Radial Basis Function Neural Networks for Modeling Rainfall-Runoff Proce
    作者: 張麗秋
    贡献者: 淡江大學水資源及環境工程學系
    关键词: 輻狀基底函數;類神經網路;降雨-逕流模式;高斯函數;變異數
    日期: 2005
    上传时间: 2009-03-16 16:57:51 (UTC+8)
    摘要: 輻狀基底函數類神經網路(RBFNN)雖屬於類神經網路的一種,但其演算法主要是將輸入向量映射到高維度的基底函數,再經由這些函數的線性組合所構成;因此,不但擁有類神經網路優異的學習能力,同時,也很容易從其映射的關係中來瞭解系統輸入與輸出間的數學關係。 一般RBFNN大都選用高斯函數為其基底函數,每個中心點僅相對應一個變異數,此方式將忽略輸入變數資料間特性與其分佈的差異性,無法凸顯出輸入變數的差異及其對系統行為的影響;本研究擬對RBFNN的理論進行深入探討,藉由不同的輻狀基底函數與不同的變異數,進一步地說明RBFNN對於資料處理的能力與優點,並將模式運用模擬與推估不同函數以評估網路效能,最後選用石門水庫上游集水區為研究區域,進行歷年颱洪時間降雨資料與水位資料之統計分析,以建構降雨-逕流預測模式,以評估網路之效能,同時,也可以進一步地瞭解降雨與逕流歷程間的關係。
    显示于类别:[水資源及環境工程學系暨研究所] 研究報告

    文件中的档案:

    没有与此文件相关的档案.

    在機構典藏中所有的数据项都受到原著作权保护.

    TAIR相关文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回馈