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 11 7
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