魅优论文范文网

 找回密码
 立即注册
查看: 9391|回复: 0

[计算机网络] 基于EKF的模糊神经网络快速自组织学习算法研究

[复制链接]

1149

主题

1149

帖子

3495

积分

论坛元老

Rank: 8Rank: 8

积分
3495
发表于 2014-4-15 11:35:57 | 显示全部楼层 |阅读模式
  摘 要:为了快速地构造一个有效的模糊神经网络,提出一种基于扩展卡尔曼滤波(EKF)的模糊神经网络自组织学习算法。在本算法中,按照提出的无须经过修剪过程的生长准则增加规则,加速了网络在线学习过程;使用EKF算法更新网络的自由参数,增强了网络的鲁棒性。仿真结果表明,该算法能够快速学习、良好的逼近精度和泛化能力。
  
  关键词:模糊神经网络;扩展卡尔曼滤波;自组织学习
  Fast self-organizing learning algorithm based on EKF for fuzzy neural network
  
  ZHOU Shang-bo,LIU Yu-jiong
  (College of Computer Science, Chongqing University, Chongqing 400044, China)
  Abstract:To construct an effective fuzzy neural network, this paper presented a self-organizing learning algorithm based on extended Kalman filter for fuzzy neural network. In the algorithm, the network grew rules according to the proposed growing criteria without pruning, speeding up the online learning process.All the free parameters were updated by the extended Kalman filter approach and the robustness of the network was obviously enhanced. The simulation results show that the proposed algorithm can achieve fast learning speed, high approximation precision and generation capability.
  Key words:fuzzy neural network; extended Kalman filter(EKF); self-organizing learning
  
  模糊神经网络起源于20世纪80年代后期的日本,由于其简单、实用,已经被广泛应用在工业控制、系统辨识、模式识别、数据挖掘等许多领域[1~4]。然而,如何从可用的数据集和专家知识中获取合适的规则数仍然是一个尚未解决的问题。为了获取模糊规则,研究人员提出了不同的算法,如文献[5]利用正交最小二乘算法确定径向基函数的中心,但是该算法训练速度比较慢;文献[6]提出了基于径向基函数的自适应模糊系统,其算法使用了分层自组织学习策略,但是逼近精度低。扩展卡尔曼滤波(EKF)算法作为一种非线性更新算法,在神经网络中得到了广泛应用。文献[7]利用扩展卡尔曼滤波算法调整多层感知器的权值,文献[8]利用扩展卡尔曼滤波算法调整径向基函数网络的权值。
  本文提出了一种模糊神经网络的快速自组织学习算法(SFNN)。该算法基于无须修剪过程的生长准则增加模糊规则,加速了网络学习过程,同时使用EKF调整网络的参数。在该算法中,模糊神经网络结构不是预先设定的,而是在学习过程中动态变化的,即在学习开始前没有一条模糊规则,在学习过程中逐渐增加模糊规则。与传统的模糊神经网络学习算法相比,本算法所得到的模糊规则数并不会随着输入变量的增加而呈指数增长,特别是本算法无须领域的专家知识就可以实现对系统的自动建模及抽取模糊规则。当然,如果设计者是领域专家,其知识也可以直接用于系统设计。本算法所得到的模糊神经网络具有结构小、避免出现过拟合现象等特点。
  1 SFNN的结构
  本文采用与文献[9]相似的网络结构,如图1所示。其中,r是输入变量个数;?x?i(i=1,2,…,r)是输入语言变量;y是系统的输出;MFij是第i个输入变量的第j个隶属函数;R?j表示第j条模糊规则;w?j是第j条规则的结果参数;u是系统总的规则数。
  
  下面是对该网络各层含义的详细描述。
  第一层:输入层。每个节点代表一个输入语言变量。
  
  第二层:隶属函数层。每个节点代表一个隶属函数,隶属函数采用如下的高斯函数:
  
  μij=exp(-(x?i-cij)?2σ?2ij);i=1,2,…,r; j=1,2,…,u(1)
  
  其中:r是输入变量数;u是隶属函数个数,也代表系统的总规则数;μij是x?i的第j个高斯隶属函数;cij是x?i的第j个高斯隶属函数的中心;σij是x?i的第j个高斯隶属函数的宽度。
  
  第三层:T-范数层。每个节点代表一个可能的模糊规则的IF-部分,也代表一个RBF单元,该层节点个数反映了模糊规则数。如果计算每个规则触发权的T-范数算子是乘法,则在第三层中第j条规则R?j的输出为
  
  φ?j=exp(-?ri=1(x?i-cij)?2σ?2ij);j=1,2,…,u(2)
  
  第四层:输出层。该层每个节点代表一个输出变量,该输出是所有输入变量的叠加。
  
  y(X)=?uj=1w?jφ?j(3)
  
  其中:y是网络的输出;w?j是Then-部分。
  
  2 SFNN的学习算法
  如前文所述,第三层的每个节点代表一个可能的模糊规则的IF-部分或者一个RBF单元。如果需要辨识系统的模糊规则数,则不能预先选择模糊神经网络的结构。于是,本文提出一种新的学习算法,该算法可以自动确定系统的模糊规则并能达到系统的特定性能。
  2.1 模糊规则的产生准则
  在模糊神经网络中,如果模糊规则数太多,不仅增加系统的复杂性,而且增加计算负担和降低网络的泛化能力;如果规则数太少,系统将不能完全包含输入/输出状态空间,将降低网络的性能。是否加入新的模糊规则取决于系统误差、可容纳边界和误差下降率三个重要因素。
  2.1.1 系统误差
  误差判据:对于第i个观测数据(x?i,t?i),其中x?i是输入向量,t?i是期望输出,由式(3)计算网络现有结构的全部输出y?i。
  定义:‖e?i‖=‖t?i-y?i‖;i=1,2,…,n(4)
  如果‖e?i‖>k?e k?e=max[emax×β?i,emin](5)
  则说明网络现有结构的性能比较差,要考虑增加一条新的规则;否则,不生成新规则。其中:k?e是根据网络期望的精度预先选择的值;emax是预定义的最大误差;emin是期望的输出精度;β(0<β<1)是收敛因子。
  
  2.1.2 可容纳边界
  从某种意义上来讲,模糊神经网络结构的学习是对输入空间的高效划分。模糊神经网络的性能和结构与输入隶属函数紧密相关。本文使用的是高斯隶属函数,高斯函数输出随着与中心距离的增加而单调递减。当输入变量采用高斯隶属函数时,则认为整个输入空间由一系列高斯隶属函数所划分。如果某个新样本位于某个已存在的高斯隶属函数覆盖范围内,则该新样本可以用已存在的高斯隶属函数表示,不需要网络生成新的高斯单元。

  可容纳边界:对于第i个观测数据(x?i,t?i),计算第i个输入值x?i与已有RBF单元的中心c?j之间的距离d?i(j),即
  
  d?i(j)=‖x?i-c?j‖;i=1,2,…,n; j=1,2,…,u(6)
  
  其中:u是现有的模糊规则或RBF单元的数量。令
  
  di,min=arg min(d?i(j))(7)
  
  如果di,min>k?d,k?d=max[dmax×γ?i,dmin](8)
  
  则说明已存在的输入隶属函数不能有效地划分输入空间。因此,需要增加一条新的模糊规则,否则,观测数据可以由已存在的距离它最近的RBF单元表示。其中:k?d是可容纳边界的有效半径;dmax是输入空间的最大长度;dmin是所关心的最小长度;γ(0<γ<1)是衰减因子。
  2.1.3 误差下降率
  传统的学习算法把误差减少率(ERR)[5]用于网络生长后的修剪过程,算法会因为修剪过程而增加计算负担,降低学习速度。本文把误差减少率用于生长过程形成一种新的生长准则,算法无须经过修剪过程,从而加速网络的学习过程。
  
  给定n个输入/输出数据对(x?i,t?i),t=1,2,…,n,把式(3)看做线性回归模型的一种特殊情况,该线性回归模型为
  
  t(i)=?uj=1h?j(i)θ?j+ε(i)(9)
  
  式(9)可简写为
  D=HΘ+E(10)
  
  D=T?T∈R?n是期望输出,H=φ?T∈R??n×u是回归量,Θ=?W?T∈R?u是权值向量,并且假设E∈R?n是与回归量不相关的误差向量。
  
  对于矩阵φ,如果它的行数大于列数,通过QR分解:
  
  H=PQ(11)
  
  可把H变换成一组正交基向量集P=[p?1,p?2,…,p?u]∈R??n×u,其维数与H的维数相同,各列向量构成正交基,Q∈R??u×u是一个上三角矩阵。通过这一变换,有可能从每一基向量计算每一个分量对期望输出能量的贡献。把式(11)代入式(10)?可得
  
  D=PQΘ+E=PG+E(12)
  
  G的线性最小二乘解为G=(P?TP)??-1P?TD,或
  
  g?k=p?T?kDp?T?kp?k;k=1,2,…,u(13)
  Q和Θ满足下面的方程:
  QΘ=G(14)
  
  当k≠l时,p?k和p?l正交,D的平方和由式(15)给出:
  
  D?TD=?uk=1g?2?kp?T?kp?k+E?TE(15)
  
  去掉均值后,D的方差由式(16)给出:
  
  n??-1D?TD=n??-1?uk=1g?2?kp?T?kp?k+n??-1E?TE(16)
  
  由式(16)可以看到,n??-1?uk=1g?2?kp?T?kp?k是由回归量p?k所造成的期望输出方差的一部分。因此,p?k的误差下降率可以定义如下:
  
  err?k=g?2?kp?T?kp?kD?TD,1≤k≤u(17)
  把式(13)代入式(17)可得
  
  err?k=(p?T?kD)?2p?T?kp?kD?TD,1≤k≤u(18)
  
  式(18)为寻找重要回归量子集提供了一种简单而有效的方法,其意义在于err?k揭示了p?k和D的相似性。err?k值越大,表示p?k和D的相似度越大,且p?k对于输出影响越显著。利用ERR定义泛化因子(GF),GF可以检验算法的泛化能力,并进一步简化和加速学习过程。定义:
  
  GF=?uk=1err?k(19)
  如果GF  
  2.2 参数调整
  需要注意的是,不管是新生成的隐节点还是已存在的隐节点,都需要对网络参数进行调整。传统的方法是使用LLS[10]方法对网络参数进行调整,本文提出使用EKF方法调节网络的参数。由于LLS方法在确定最优参数时计算简单、速度快,但该方法对噪声敏感,其学习速度随着信噪比的增加而下降。另外,与LLS方法相关的问题是其求解可能是病态的,这使得参数估计变得很困难。EKF方法由于其自适应过程比较复杂,计算速度没有LLS方法快,但是EKF方法在噪声环境下具有鲁棒性,使用EKF方法可以实现一种健壮的在线学习算法。网络参数可以用下面的EKF[11]方法进行调整。事实上,网络的参数向量θ可以看做一个非线性系统的状态,并用下面的方程描述:
  θ?i=θi-1
  t?i=h(θi-1,X?i)+e?i(20)
  
  在当前的估计值i-1处将非线性函数h(θi-1,X?i)展开,则状态模型可以重写为
  θ?i=θi-1
  t?i=H?iθi-1+ε?i+e?i(21)
  其中:ε?i=h(i-1 ,X?i)-H?ii-1+ρ?i。H?i是如下的梯度向量:
  
  H?i=?h(θ,X?i)?θ|θ=i-1 (22)
  参数向量θ使用下面的扩展卡尔曼滤波算法更新:
  
  K?i=Pi-1H?T?i[H?iPi-1H?T?i+R?i]??-1
  
  θ?i=θi-1+K?i(t?i-h(θi-1,X?i))
  P?i=Pi-1-K?iH?iPi-1+Q?i(23)
  
  其中:K?i是卡尔曼增益矩阵?i是逼近误差方差阵;R?i是量测噪声方差阵;Q?i是过程噪声方差阵。
  
  全局扩展卡尔曼滤波算法会涉及大型矩阵运算,增加计算负担,因此可以将全局问题划分为一系列子问题从而简化全局方法。网络的前件部分具有非线性特性,利用扩展卡尔曼滤波算法对其进行调整;网络的后件部分具有线性特性,利用卡尔曼滤波算法对其进行调整,该方法等同于将全局方法简化为一系列解耦方法,可以降低计算负担。由于高斯函数的中心对系统的性能影响不明显,为了简化计算,只对高斯隶属函数的宽度进行调整。
  前件参数使用如下的扩展卡尔曼滤波算法更新:
  
  K?δ?i=P?δi-1G?T?i[R?i+G?iP?δi-1G?T?i]??-1
  δ?i=δi-1+K?δ?i(T?i-wi-1φ?i)
  P?δ?i=P?δi-1-K?δ?iG?iP?δi-1+Q?i(24)
  后件参数使用如下的卡尔曼滤波算法更新:
  K?w?i=P?wi-1φ?T?i[R?i+φ?iP?wi-1φ?T?i]??-1
  w?i=wi-1+K?w?i(T?i-wi-1φ?i)
  P?w?i=P?wi-1-K?w?iφ?iP?wi-1+Q?i(25)
  2.3 模糊规则的增加过程
  在SFNN学习算法中,模糊规则增加过程如下:
  a)初始参数分配。当得到第一个观测数据(X?1,t?1) 时,此时的网络还没有建立起来,因此这个数据将被选为第一条模糊规则:c?0=X?0,δ?1=δ?0,w?1=t?1。其中δ?0是预先设定的常数。
  
  b)生长过程。当得到第i个观测数据(X?i,t?i)时,假设在第三层中已存在u个隐含神经元,根据式(4)(7)和(19),分别计算e?i、di,min、GF。如果
  
  ‖e?i‖>k?e,di,min>k?d,且GF  
  则增加一个新的隐含神经元。其中k?e、k?d分别在式(5)和(8)中给出。新增加的隐含神经元的中心、宽度和权值赋值为:Cu+1=X?i,δu+1=k?0di,min,wu+1=e?i,其中k?0(k?0>1)是重叠?因子。
  c)参数调整。当增加新神经元后,所有已有神经元的参数通过式(24)(25)描述的算法调整。
  
  3 仿真研究
  时间序列预测在解决许多实际问题中是非常重要的。它在经济预测、信号处理等很多领域都得到了广泛应用。
  本文采用的时间序列由Mackey-Glass差分延迟方程产生,其方程定义为[5]
  x(t+1)=(1-a)x(t)+bx(t-τ)1+x??10(t-τ)(27)
  
  为了能够与文献[5,6]在相同的基础上进行比较,取值?Δt=P=6,式(27)中的参数选择为:a=0.1,b=0.2,τ=17。预测模型表示为
  x(t+6)=f[x(t),x(t-6),x(t-12),x(t-18)](28)
  
  为了获得时间序列,利用式(27)生成2 000个数据,式(27)的初始条件为:x(0)=1.2。为了训练和测试,在t=124和t=?1 123之间选择1 000个样本作为式(28)的输入/输出样本数据。使用前500个数据对作为训练数据集,后面的500个数据对验证该模型的预测性能。图2显示了SFNN生成的模糊规则数;图3显示了从t=124到t=623的训练结果;图4显示了SFNN良好的预测性能。表1列出了SFNN与其他算法的比较结果。表1显示,与OLS、RBF-AFS算法相比,SFNN具有最少的规则数、最小的误差和良好的泛化能力,同时具有快速的学习速度。SFNN的快速性就在于:采用无须修剪过程的生长准则,加速了网络学习过程;利用扩展卡尔曼滤波调整网络的参数,可以缩短网络的学习周期。从上面的分析可以看出,SFNN具有紧凑的结构、快速的学习速度、良好的逼近精度和泛化能力。
  
  4 结束语
  SFNN采用在线学习方法、参数估计和结构辨识同时进行,提高了网络的学习速度。基于该方法生成的模糊神经网络具有紧凑的结构,网络结构不会持续增长,避免了过拟合及过训练现象,确保了系统的泛化能力。
  参考文献:
  [1]
  HUANG Huan,WU Cong-xin.Approximation capabilities of multilayer fuzzy neural networks on the set of fuzzy-valued functions[J].Information Sciences,2009,179(16):2762-2773.
  [2]DENG Xing-sheng,WANG Xin-zhou.Incremental learning of dynamic fuzzy neural networks for accurate system modeling[J].Fuzzy Sets and Systems,2009,160(7):972-987.
  [3]韦玉科,汪仁煌,李江平,等.一种新的数据智能化处理算法[J].计算机应用研究,2008,25(5):1328-1329.
  
   [4]CHEN Sheng,HONG Xia,LUK B L,et al.Orthogonal-least-squares regression:a unified approach for data modeling[J].Neurocompu-?ting,2009,72(10-12):2670-2681.
  
  ?[5]CHEN S,COWAN C F N,GRANT P M.Orthogonal least squares learning algorithm for radial basis function networks[J].IEEE Trans on Neural Networks,1991,2(2):302-309.
  [6]CHO K B,WANG B H.Radial basis function based adaptive fuzzy systems and their applications to system identification and prediction[J].Fuzzy Sets and Systems,1996,83(3):325-339.
  [7]RIVALS I,PERSONNAZ L.A recursive algorithm based on the extended Kalman filter for the training of feedforward neural models[J].Neurocomputing,1998,20(1):279-294.
  [8]SIMON D.Training radial basis neural networks with the extended Kalman filter[J].Neurocomputing,2002,48(1):455-475.
  [9]WU Shi-qian,ER M J,GAO Yang.A fast approach for automatic ?generation of fuzzy rules by generalized dynamic fuzzy neural networks[J].IEEE Trans on Fuzzy Systems,2001,9(4):578-594.
  [10]WU Shi-qian,ER M J.Dynamic fuzzy neural networks:a novel approach to function approximation[J].IEEE Trans on Systems, Man and Part B-Cybernetics,2000,30(2):358-364.
  [11]RIGATOS G,ZHANG Q.Fuzzy model validation using the local statistical approach[J].Fuzzy Sets and Systems,2009,160(7):882-904.
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

全国大学论坛友情链接
北京高校排名 上海高校排名 天津高校排名 重庆高校排名 广东高校排名 江苏高校排名 山东高校排名
河南高校排名 浙江高校排名 河北高校排名 辽宁高校排名 四川高校排名 湖北高校排名 福建高校排名
广西高校排名 湖南高校排名 黑龙江高校排名 安徽高校排名 江西高校排名 吉林高校排名 云南高校排名
陕西高校排名 山西高校排名 内蒙古高校排名 新疆高校排名 贵州高校排名 甘肃高校排名 海南高校排名
青海高校排名 宁夏高校排名 西藏高校排名 香港高校排名 澳门高校排名 台湾高校排名 TOP100高校排名
安徽农业大学论坛
安徽建筑工程学院论坛
安徽医科大学论坛
安徽师范大学论坛
安徽工程大学论坛
安徽科技学院论坛
安徽大学论坛
安徽工业大学论坛
安徽中医药大学论坛
安庆师范大学论坛
安徽财经大学论坛
安徽理工大学论坛
合肥师范学院论坛
合肥学院论坛
合肥工业大学论坛
淮北师范大学论坛
中国科学技术大学论坛
北京农学院论坛
北京城市学院论坛
北京舞蹈学院论坛
北京电影学院论坛
北京吉利学院论坛
北京服装学院论坛
北京印刷学院论坛
北京信息科技大学论坛
北京第二外国语学院论坛
北京警察学院论坛
北京工业大学论坛
北京民族大学论坛
北京体育大学论坛
北京工商大学论坛
北京建筑工程学院论坛
北京中医药大学论坛
北京化工大学论坛
北京联合大学论坛
中央戏剧学院论坛
中央美术学院论坛
中国科学院大学论坛
中国农业大学论坛
中国音乐学院论坛
首都医科大学论坛
中央音乐学院论坛
中国信息大学论坛
现代音乐学院论坛
中国医科大学论坛
首都师范大学论坛
中国药科大学论坛
中国社会科学院论坛
首都经济贸易大学论坛
中央财经大学论坛
中国矿业大学论坛
中国政法大学论坛
中华女子学院论坛
中国青年政治学院论坛
外交学院论坛
中央民族大学论坛
华北电力大学论坛
北方工业大学论坛
北京交通大学论坛
北京大学论坛
清华大学论坛
国际关系学院论坛
中国石油大学论坛
北京科技大学论坛
北京林业大学论坛
北京理工大学论坛
北京师范大学论坛
北京邮电大学论坛
对外经济贸易大学论坛
北京外国语大学论坛
北京语言大学论坛
北京航空航天大学论坛
中国传媒大学论坛
中国人民大学论坛
福建农林大学论坛
福建医科大学论坛
福州师范大学论坛
福建工程学院论坛
福建中医药大学论坛
福州大学 论坛
华侨大学论坛
集美大学论坛
闽江大学论坛
闽南师范大学论坛
闽南理工学院论坛
莆田学院论坛
泉州师范学院论坛
厦门大学 论坛
厦门理工学院论坛
仰恩大学论坛
兰州工业学院论坛
兰州交通大学论坛
兰州大学论坛
兰州财经大学论坛
西北师范大学论坛
西北民族大学论坛
东莞理工学院论坛
广州美术学院论坛
广东女子职业技术学院论坛
广东技术师范学院论坛
广东医科大学论坛
广东海洋大学论坛
广东石油化工学院论坛
广东药学院论坛
广东金融学院论坛
广东财经大学论坛
广东外语外贸大学论坛
广东工业大学论坛
广州工商学院论坛
广州商学院论坛
广州医科大学论坛
广州体育学院论坛
广州中医药大学论坛
惠州学院论坛
岭南师范学院论坛
广东培正学院论坛
华南农业大学论坛
韶关学院论坛
南方医科大学论坛
南方科技大学论坛
广州大学论坛
暨南大学论坛
华南师范大学 论坛
华南理工大学 论坛
深圳大学 论坛
中山大学 论坛
汕头大学论坛
五邑大学论坛
星海音乐学院论坛
仲恺农业工程学院论坛
肇庆学院论坛
桂林理工大学论坛
桂林电子科技大学论坛
广西大学论坛
广西师范大学论坛
广西财经学院论坛
南宁职业学院论坛
贵州师范大学论坛
贵州大学论坛
海南职业技术学院论坛
海口经济学院论坛
海南外国语职业学院论坛
海南经贸学院论坛
海南科技职业学院论坛
海南医学院论坛
海南师范大学论坛
海南软件职业学院论坛
琼州学院论坛
海南大学论坛
河北大学论坛
河北农业大学论坛
河北工程大学论坛
河北医科大学论坛
河北师范大学论坛
河北科技大学论坛
河北工业大学论坛
河北经贸大学论坛
河北理工大学论坛
唐山大学论坛
石家庄经济学院论坛
唐山师范学院论坛
燕山大学论坛
河南科技大学论坛
河南农业大学论坛
河南师范大学论坛
河南大学论坛
黄河科技学院论坛
河南工程学院论坛
河南中医学院论坛
河南理工大学论坛
河南财经政法大学论坛
洛阳理工学院论坛
南阳师范学院论坛
郑州大学论坛
郑州轻工业学院论坛
哈尔滨商业大学论坛
黑龙江科技大学论坛
黑龙江中医药学院论坛
哈尔滨工程大学论坛
哈尔滨医科大学论坛
哈尔滨师范大学论坛
哈尔滨学院论坛
哈尔滨理工大学论坛
东北农业大学论坛
东北林业大学论坛
东北石油大学论坛
齐齐哈尔大学论坛
黑龙江大学论坛
哈尔滨工业大学 论坛
华中师范大学 论坛
中国地质大学 论坛
汉口学院论坛
湖北师范学院论坛
湖北经济学院论坛
湖北工业大学论坛
湖北中医药大学 论坛
湖北美术学院论坛
湖北汽车工业学院论坛
湖北大学论坛
湖北民族学院论坛
华中科技大学 论坛
华中农业大学论坛
江汉大学论坛
中南民族大学论坛
武汉音乐学院 论坛
武汉工业学院论坛
武汉大学论坛
武汉理工大学论坛
武汉体院学院论坛
武汉工程大学 论坛
武汉工商学院论坛
武汉纺织大学论坛
武汉科技大学论坛
武昌理工学院论坛
长江大学论坛
中南财经政法大学论坛
长沙学院论坛
中南大学论坛
中南林业科技大学论坛
长沙理工大学论坛
湖南农业大学论坛
湖南工程学院论坛
湖南师大论坛
湖南商学院论坛
湖南科技大学论坛
湖南文理学院论坛
湖南中医药大学论坛
湖南工业大学论坛
衡阳师范学院论坛
吉首大学论坛
国防科技大学论坛
南华大学论坛
湖南大学论坛
湘潭大学论坛
长春工程大学论坛
长春大学论坛
长春工业大学论坛
长春理工大学论坛
吉林农业大学论坛
吉林建筑工程学院论坛
吉林大学论坛
东北电力大学论坛
东北师范大学论坛
延边大学论坛
中国矿业大学(徐州)论坛
常州大学论坛
河海大学论坛
淮阴工学院论坛
淮阴师范学院论坛
江苏师范大学论坛
江苏科技大学论坛
南京审计学院论坛
南京体育学院论坛
南京农业大学论坛
南京林业大学论坛
南京工程学院论坛
南京医科大学论坛
南京师范大学论坛
南京财经大学论坛
南京邮电大学论坛
南京理工大学论坛
南京工业大学论坛
南京晓庄学院论坛
南京中医药大学论坛
南通大学论坛
南京艺术学院论坛
南京航空航天大学论坛
南京信息工程大学论坛
苏州工艺美术学院论坛
东南大学论坛
苏州工业学院论坛
苏州大学论坛
江南大学 论坛
江苏大学论坛
苏州科技学院论坛
南京大学论坛
盐城工业学院论坛
扬州职业大学论坛
扬州大学 论坛
东华理工大学论坛
华东交通大学论坛
景德镇陶瓷学院论坛
九江学院论坛
江西师范大学论坛
江西财经论坛
江西理工大学论坛
江西科技学院论坛
南昌航空大学论坛
南昌大学论坛
南昌理工学院论坛
井冈山大学论坛
新余学院论坛
宜春学院论坛
大连医科大学论坛
大连交通大学论坛
大连海事论坛
大连工业大学论坛
大连大学论坛
大连外国语学院论坛
大连理工大学论坛
大连职业技术学院论坛
东北财经大学论坛
鲁迅美术学院论坛
辽宁广告职业学院论坛
辽宁工业大学论坛
辽宁师范大学论坛
辽宁工程技术大学论坛
辽宁大学论坛
辽宁中医院大学论坛
辽宁对外经贸学院论坛
辽宁科技大学论坛
东北大学论坛
沈阳航空航天大学论坛
沈阳工程学院论坛
沈阳建筑大学论坛
沈阳工业大学论坛
沈阳农业大学论坛
沈阳音乐学院论坛
沈阳理工大学论坛
沈阳医学院论坛
沈阳师范大学论坛
沈阳药科大学论坛
沈阳大学论坛
沈阳化工大学论坛
内蒙古农业大学论坛
内蒙古电子信息学院论坛
内蒙古财经学院论坛
内蒙古化工职业学院论坛
内蒙古机电学院论坛
内蒙古医学院论坛
内蒙古师范大学论坛
内蒙古大学论坛
内蒙古工业大学论坛
内蒙古商贸职业学院论坛
北方民族大学论坛
宁夏大学论坛
聊城大学论坛
鲁东大学论坛
临沂大学论坛
中国海洋大学论坛
青岛农业大学论坛
青岛理工大学论坛
青岛大学论坛
曲阜师范大学论坛
青海师范大学论坛
齐鲁师范学院论坛
齐鲁工业大学论坛
青岛远洋船员学院论坛
青岛科技大学论坛
山东农业大学论坛
山东艺术学院论坛
山东城建学院论坛
山东交通学院论坛
山东建筑大学论坛
山东师范大学论坛
山东警察学院论坛
山东大学 论坛
山东财经大学论坛
山东科技大学论坛
山东理工大学论坛
山东政法学院论坛
山东中医药大学论坛
山东工商学院论坛
济南大学论坛
烟台大学论坛
中北大学论坛
山西建筑职业学院论坛
山西农业大学论坛
山西医科大学论坛
山西大学论坛
山西财经大学论坛
山西职业技术学院论坛
太原工业学院论坛
太原师范学院论坛
太原科技大学论坛
太原理工大学论坛
宝鸡文理学院论坛
西北农林科技大学论坛
西北工业大学 论坛
西北大学论坛
西北政法大学论坛
西安思源学院论坛
陕西师范大学论坛
陕西科技大学论坛
陕西中医药大学论坛
西安音乐学院论坛
西安美术学院论坛
长安大学论坛
西安外事学院论坛
西安工业大学论坛
西安财经学院论坛
西安理工大学论坛
西安电子科技大学论坛
西安欧亚学院论坛
西京学院论坛
西安外国语大学论坛
西安邮电学院论坛
西安建筑科技大学论坛
西安交通大学论坛
西安工程大学论坛
西安石油大学论坛
西安科技大学论坛
延安大学论坛
上海震旦学院论坛
东华大学论坛
华东师范大学论坛
华东政法大学论坛
华东理工大学论坛
上海东海学院论坛
上海建桥学院论坛
上海立信会计学院论坛
上海杉达学院论坛
上海商学院论坛
上海电机学院论坛
上海海关学院论坛
上海音乐学院论坛
上海金融学院论坛
上海电力学院论坛
上海外国语大学论坛
上海旅游专科学校论坛
上海海事大学论坛
上海师范大学论坛
上海海洋大学论坛
上海科技大学论坛
上海大学论坛
上海城建学院论坛
上海财经大学论坛
上海政法大学论坛
上海中医药大学论坛
上海应用技术学院论坛
上海视觉艺术学院论坛
上海第二工业大学论坛
上海戏剧学院论坛
上海工程技术大学论坛
上海对外经贸大学论坛
上海健康医学院论坛
上海体育学院论坛
天华学院论坛
上海理工大学论坛
复旦大学论坛
上海交通大学 论坛
同济大学论坛
成都艺术职业学院论坛
成都文理学院论坛
成都航空职业技术学院论坛
成都师范学院论坛
成都农业科技职业学院论坛
成都体育学院论坛
成都纺织专科学校论坛
成都工业学院论坛
成都学院论坛
成都理工大学论坛
成都医学院论坛
成都信息工程学院论坛
西华师范大学论坛
锦城学院论坛
乐山师范学院论坛
泸州医学院论坛
绵阳师范学院论坛
内江师范学院论坛
川北医学院论坛
四川建筑学院论坛
四川音乐学院论坛
四川美术学院论坛
四川传媒学院论坛
四川警察学院论坛
四川工商学院论坛
四川旅游学院论坛
锦江学院论坛
四川民族学院论坛
四川农业大学论坛
四川师范大学论坛
四川工业科技学院论坛
四川邮电学院论坛
四川文理学院论坛
四川文化艺术学院论坛
四川理工学院论坛
四川水利职业学院论坛
西南医科大学论坛
西南民族大学论坛
西南科技大学论坛
成都中医药大学论坛
电子科技大学论坛
西南财经大学论坛
西南石油大学论坛
西南交通大学论坛
四川大学论坛
西华大学论坛
宜宾职业学院论坛
宜宾学院论坛
四川影视学院论坛
中国民航大学论坛
天津美术学院论坛
天津农学院论坛
天津音乐学院论坛
天津商业大学论坛
天津外国语大学论坛
天津医科大学论坛
天津师范大学论坛
天津工业大学论坛
天津城市建设大学论坛
天津财经大学论坛
天津体育学院论坛
天津理工大学论坛
天津中医药大学论坛
天津科技大学论坛
南开大学 论坛
天津大学 论坛
香港大学论坛
石河子大学论坛
新疆医科大学论坛
新疆财经大学论坛
昆明医科大学论坛
昆明理工大学论坛
云南农业大学论坛
云南民族大学论坛
云南大学论坛
云南财经大学论坛
玉溪师范学院论坛
中国美术学院论坛
中国计量学院论坛
杭州电子科技大学论坛
杭州师范大学论坛
杭州职业技术学院论坛
宁波大学论坛
宁波理工学院论坛
温州大学论坛
浙江农林大学论坛
浙江中医药大学论坛
浙江工商大学论坛
浙江外国语学院论坛
浙江经贸学院论坛
浙江师范大学论坛
浙江海洋学院论坛
浙江树人大学论坛
浙江大学论坛
浙江工业大学论坛
浙江水利水电学院论坛
浙江理工大学论坛
浙江财经学院论坛
浙江传媒学院论坛
浙江科技学院论坛
重庆通信学院论坛
重庆电子工程职业技术学院论坛
重庆电力高专论坛
重庆工业职业学院论坛
重庆警察学院论坛
重庆房地产学院论坛
重庆工商大学融智学院论坛
重庆三峡学院论坛
重庆工商职业技术学院论坛
重庆大学城市科技学院论坛
重庆第二师范学院论坛
重庆科技学院论坛
重庆理工大学论坛
重庆工程职业技术学院论坛
重庆医药学院论坛
重庆城市管理职业学院论坛
重庆后勤工程学院论坛
四川外国语大学论坛
第三军医大学论坛
重庆交通大学论坛
重庆大学论坛
重庆师范大学论坛
重庆工商大学论坛
重庆邮电大学论坛
西南政法大学 论坛
重庆医科大学论坛
西南大学论坛
长江师范学院论坛
家庭车论坛
考研论坛论坛
论文网论坛
留学去论坛论坛
个个游论坛
觅优工作网论坛
大学综合信息网
手机访问本页请
扫描左边二维码
         本网站声明
本网站所有内容为网友上传,若存在版权问题或是相关责任请联系站长!
站长电话:0898-66661599    站长联系QQ:7123767   myubbs.com
         站长微信:7123767
请扫描右边二维码
www.myubbs.com

QQ|Archiver|手机版|小黑屋|魅优论文范文网 ( 琼ICP备10200388号-7 )

GMT+8, 2019-10-22 02:46 , Processed in 0.150609 second(s), 20 queries .

Powered by 高考信息网 X3.3

© 2001-2013 大学排名

快速回复 返回顶部 返回列表