1) genetic neural network
遗传神经网络
1.
Simultaneous determination of cobalt,manganese,copper and nickel by genetic neural network-spectrophotometry;
遗传神经网络-分光光度法同时测定钴锰铜镍
2.
Simultaneous determination of bismuth and cerium in steel with genetic neural network-spectrophotometry;
遗传神经网络-分光光度法同时测定钢中铋和铈
3.
Predictive control of alumina concentration based on genetic neural network;
基于遗传神经网络的氧化铝浓度预测控制
2) genetic-neural network
遗传神经网络
1.
The method of environmental quality assessment which was based on rough sets and genetic-neural network reduced datum from database by using rough sets reduction function,and then transferred the reduced datum to the BP neural network as training datum.
基于粗集、遗传神经网络的环境质量评价方法利用粗集对属性的归约功能将数据库中的数据进行归约,并将归约后的数据作为训练数据提供给BP神经网络;再用遗传算法和BP算法相结合的混合算法来训练网络预测模型的结构(在得到最优网络结构的同时也得到网络的最优权值和阈值)。
2.
In order to satisfy the demands of high precision of the coiling temperature,a genetic-neural network method to predict coiling temperature based on data mining is put forward.
为了满足卷取温度高精度的要求,提出了一种基于数据挖掘技术的遗传神经网络方法。
3.
A model of earthquake prediction based on genetic-neural network is presented.
提出利用遗传神经网络技术对地震预测建模,其基本思想是利用遗传算法具有全局搜索能力、不易陷入局部极小点的特点优化神经网络的权重和阈值,利用优化的神经网络挖掘地震前兆异常属性和震级之间的潜在的关系,从而实现地震预测。
3) genetic neural networks
遗传神经网络
1.
Futhermore, a new algorithm of magnetic resonance imaging (MRI) segmentation based on real genetic neural networks (GNN) was proposed.
在此基础上,提出了一种新的基于实数遗传神经网络的磁共振图像分割算法。
2.
And the critical height is calculated by the method of genetic neural networks.
最后,应用遗传神经网络算法来计算路堤临界高度,并结合工程实例验证了该算法具有较高的预报精度。
4) GA-BP neural network
遗传神经网络
1.
Calculation for high-pressure combustion properties of high-energy solid propellant based on GA-BP neural network;
基于遗传神经网络的高能固体推进剂高压燃烧性能计算
5) genetic-neural network
遗传-神经网络
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条