跳到主要內容

臺灣博碩士論文加值系統

(34.226.244.254) 您好!臺灣時間:2021/08/01 02:49
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:陳心渝
研究生(外文):Chen Hsin Yu
論文名稱:應用BPEL於類神經網路
論文名稱(外文):Applying BPEL to Artificial Neural Networks
指導教授:王日昌王日昌引用關係
學位類別:碩士
校院名稱:長庚大學
系所名稱:資訊管理研究所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:101
中文關鍵詞:類神經網路方法BPELIrisBiztalk
相關次數:
  • 被引用被引用:0
  • 點閱點閱:145
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
類神經網路方法常因資料的特性不同而異,至目前為止,還沒有一種類神經網路方法可以通用於不同特性的類神經網路資料。類神經網路方法多是由設計者依照資料的特性,自行撰寫程式或使用套裝軟體運算與實驗。每重新設計一次類神經網路方法便需重新撰寫或大幅修改程式,而設計出來的程式也不易被了解或再利用,對於程式撰寫能力不佳的設計者,要修改或撰寫程式也有很大的困難。
本研究提出以商業流程執行語言﹙BPEL﹚作為類神經網路方法的描述語言。以BPEL整合Web Services,實際以Fisher的迷迭花資料集﹙Iris Data Set﹚為例,進行LM演算法的分散式運算。透過執行BPEL的處理引擎,將類神經資料集的運算工作交由Web Services處理,可容易的改變或擴充運算的功能,同時資料格式也不受套裝軟體格式的限制。
本研究的貢獻是藉由BPEL的特性,讓類神經網路方法視覺化、標準化,提供了一個可以通用不同特性資料而且不被限制在一種平台上,容易設計與運算的類神經網路方法。運用此種類神經網路方法,可因應不同特性的資料,並且讓後續發展的人容易的了解,進而改進及應用。
Different data attributes causes the various design of neural network methods. So far, there is no method can deal with all neural network data with different attribute. According to different attributes of data, designers often program by themselves or use suit software to execute and experiment on the neural network methods. But due to the different attributes and numerous kinds of data, the program is needed to be re-coded or altered substantially when a neural network method is redesigned. And it is hard to understand or reuse the program. Even though using the suit software, it is hard to expand or alter it because being limited to the functions and flexibility of suit software.
In this research, we proposed BPEL as a description language of neural network methods. We integrated BPEL and Web Services to execute UCI Iris data set by distributed computing with LM algorithm. Through the description and process engine of BPEL, The operation work of neural data set will be dealt with Web Services, the functions would be changed or expanded easily.
The characteristics of BPEL make the neural network methods be visible, standardized, and systematized. It can help follow-up person to develop and understand neural network methods easily, and then improve application quickly. The contribution of this paper is mainly to provide a way to build neural network method for designer, the way could be in common use in different neural network data, and easy to design and execute kinds of neural network method.
目 錄
致謝 iv
中文摘要 v
英文摘要 vi
目 錄 vii
圖目錄 x
表目錄 xiv
第1章 緒 論 - 1 -
1.1 研究背景及動機 - 1 -
1.2 研究目的 - 2 -
1.3 論文架構 - 3 -
第2章 文獻探討 - 4 -
2.1 類神經網路(Artificial Neural Networks, ANN) - 4 -
2.1.1 類神經網路特性 - 5 -
2.1.2 類神經網路運作方式及架構 - 6 -
2.1.3 類神經網路種類 - 8 -
2.1.4 類神經網路方法 - 11 -
2.2 商業流程執行語言(BPEL) - 12 -
2.2.1 BPEL的運作內容 - 13 -
2.2.2 BPEL的特點 - 15 -
2.2.3 BPEL的現況 - 17 -
2.3 網路服務(Web Services) - 18 -
2.3.1 Web Services 技術基礎 - 19 -
2.3.2 Web Services 主要優勢 - 22 -
2.3.3 非同步Web Services - 23 -
第3章 研究方法 - 25 -
3.1 研究步驟 - 25 -
3.2 類神經網路方法分析 - 31 -
3.2.1 資料特性 - 31 -
3.2.2 系統彈性 - 31 -
3.2.3 擴充彈性 - 32 -
3.2.4 流程判斷 - 32 -
3.3 準確度評估的資料分類法 - 33 -
3.3.1 訓練測試法(Training and Testing) - 33 -
3.3.2 交叉驗證法(Cross Validation) - 34 -
3.4 倒傳遞網路(Back Propagation Networks, BPN) - 34 -
3.4.1 Levenberg-Marquardt 演算法 - 38 -
3.5 BPEL的應用方式 - 41 -
第4章 系統實作 - 46 -
4.1 系統發展環境 - 46 -
4.2 系統架構 - 49 -
4.2.1 使用者層(User Layer) - 52 -
4.2.2 流程判斷層(Workflow Decision Layer) - 52 -
4.2.3 網路服務層(Web Services Layer) - 54 -
4.3 系統流程 - 55 -
4.4 實作畫面 - 57 -
4.4.1 類神經資料集的XML文件結構 - 57 -
4.4.2 Web Services程式的使用 - 61 -
4.4.3 BPEL流程系統操作 - 65 -
4.4.4 類神經網路方法執行結果 - 70 -
第5章 結 論 - 94 -
參考文獻 - 96 -
參考文獻
中文部份
Graham, S., Simeonov, S., Boubez, T., Davis, D., Daniels, G., Nakamura, Y. and Neyama, R. 著,洪靜宜譯(2002),以Java 建置Web Service,初版,臺灣,培生出版社。
丁肇隆,林銘崇,曾慶深(2002),「應用類神經網路在流場影像質點運動之辨識」,台大工程學刊,Vol. 86,pp.53-59。
王鑫榆(2002),「利用廣義自由度建立類神經網路模型架構」,國立台北大學,碩士論文。
石晏彰(2006),「火害後混凝土強度預測模式之比較研究」,私立朝陽科技大學,碩士論文。
吳宗翰(2004),「應用PID及類神經網路於主動式懸吊系統之控制研究」,國立雲林科技大學,碩士論文。
余國瑞,吳東軒(2002),「應用遺傳演算法與類神經網路於混沌系統之辨識」,第七屆人工智慧與應用研討會,臺中:私立朝陽科技大學,pp. 719-724。
李嘉淵(2005),「應用演化式類神經網路、灰關聯分析及類神經模糊於不動產估價之研究」,私立朝陽科技大學,碩士論文。
林大偉(2004),「混凝土火害後強度折減之徑向基類神經網路分析」,私立朝陽科技大學,碩士論文。
林妙雀,酈芃羽(2005),「影響量販店與百貨公司消費者購買決策因素之研究–以基因演算法最佳化類神經網路模式加以驗證」,管理科學研究,Vol. 2,No. 1,pp. 57-77
周俊宏(2006),「運用支撐向量機與類神經網路於信用卡授信決策之研究」,國立臺灣科技大學,碩士論文。
洪明進(2001),「以會計基礎評價模式與類神經網路預測我國上市電子公司股價」,國立雲林科技大學,碩士論文。
張斐章、張麗秋、黃浩倫(2003),類神經網路¬–理論與實務,初版,臺北,東華出版社。
戚玉樑,賴德優(2003),「使用動態流程組合以協同Web Services於電子商務應用」,2003數位生活與網際網路科技研討會,臺南:國立成功大學,pp. 145-150。
郭得和(2005),「類神經網路於橋樑分析之應用」,私立逢甲大學,碩士論文。
黃繼寬(2005),「考慮產業差異下,信用評分模型效力分析以Cross Validation為例」,私立東吳大學,碩士論文。
曾憲雄,蔡秀滿,蘇東興,曾秋蓉,王慶堯(2005),資料探勘,初版,臺北,旗標出版社。
葉怡成(2001),類神經網路模式應用與實作,第七版,臺北,儒林圖書有限公司。
葉懷仁(2003),「類神經網路應用於引擎聲訊之辨識」,國立中山大學,碩士論文。
劉鼎康(2005),「使用類神經網路進行垃圾郵件過濾之研究」,私立中原大學,碩士論文。
鄭翔任(2003),「移除訊號雜訊的類神經網路方法」,國立中山大學,碩士論文。
蕭江碧,吳冠德,黃正義(2004),「應用類神經網路探討自來水場水質應變操作方法之研究」,臺北科技大學學報,Vol. 37,No. 1,pp. 331-348。
羅華強(2001),類神經網路:MATLAB的應用,初版,臺北,清蔚科技。






英文部份
Adams, H. (2002), “Asynchronous operations and Web services, Part 1: A primer on asynchronous transactions,” http://www-106.ibm.com/developerworks/library/ws-asynch1.html, 2007/01/28.
Alves, A., Arkin, A., Askary, S., Bloch, B., Curbera, F., Goland, Y., Kartha, N., Liu, C. K., König, D., Mehta, V., Thatte, S., Rijn, D., Yendluri, P. and Yiu, A. (2006), “Web Services Business Process Execution Language Version 2.0 Committee Draft,” http://www.oasis-open.org/committees/download.php/18714/wsbpel-specification-draft-May17.htm, 2007/01/28.
Andrews, T., Curbera, F., Dholakia, H., Goland, Y., Klein, J., Leymann, F., Liu, K., Roller, D., Smith, D., Thatte, S., Trickovic, I. and Weerawarana, S. (2003) “Business Process Execution Language for Web Services Version 1.1,” http://www-106.ibm.com/developerworks/webservices/library/ws-bpel/, 2007/01/28.
Booth, D., Haas, H., McCabe, F., Newcomer, E., Champion, M., Ferris, C. and Orchard, D. (2004), ”Web Services Architecture,” http://www.w3.org/TR/2004/NOTE-ws-arch-20040211/, 2007/01/28.
Chiu, C. C. and Yeh, Y. H. (1999), ”Utilization of Vector Autoregressions Technique and Neural Networks in Identifying the Return Interaction among Global, Asia-Pacific Regional and Local Stock Markets,” Journal of Computational Intelligence in Finance, Vol. 7, No. 3, pp. 5-17.
Christensen, E., Curbera, F., Meredith, G. and Weerawarana, S. (2001), “Web Services Description Language (WSDL) 1.1,” http://www.w3.org/TR/wsdl, 2007/01/28.
Clark, J. and Derose, S. (1999), “XML Path Language (Xpath) Version 1.0,” http://www.w3.org/TR/xpath.html, 2007/01/28.
Fallside, D. C. and Walmsley, P. (2004), “XML Schema Part 0: Primer Second Edition,” http://www.w3.org/TR/xmlschema-0/, 2007/01/28.
Fujita, O. (1993), ”Trial-and-error correlation learning,” IEEE Transactions on Neural Networks, Vol. 4, No. 4, pp. 720-722.
Fukuda, T. and Shibata, T. (1992), “Theory and application of neural networks for industrial control system,” IEEE Transactions on Industrial Electronics, Vol 39, No. 6, pp. 472-489.
Gudgin, M., Hadley, M., Mendelsohn, N., Moreau, J. J. and Nielsen, H. F. (2003), “XSOAP Version 1.2 Part 1: Messaging Framework,” http://www.w3.org/TR/soap12-part1/, 2007/01/28.
Hagan, M. T. and Menhaj, M. B. (1994), ”Training Feedforward Networks with the Marquardt Algorithm,” IEEE Transactions on Neural Networks, Vol. 6, pp. 989-993.
Kwon, Y. K. and Moon, B. R. (2005), “Nonlinear Feature Extraction Using a Neuro Genetic Hybrid,” Genetic And Evolutionary Computation Conference, Washington, D.C. USA, pp. 2089-2096.
Leymann, F., Roller, D. and Thatte, S. (2003), “Goals of the BPEL4WS Specification,” http://xml.coverpages.org/BPEL4WS-DesignGoals.pdf, 2007/01/28.
Rumelhart, D. E., Hinton, G. E. and Williams, R. J. (1986), “Learning internal representations by error propagation,” Parallel distributed processing, Vol. 1, pp. 318-362.
Zhang, G., Patuwo, B. E. and Hu, M.Y. (1998), “Forecasting with Artificial Neural Networks:The State of the Art,” International Journal of Forecasting, Vol. 14, pp.35-62.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top