1) modified Elman neural network
改进Elman神经网络
1.
Thickness-control modeling of gypsum-fibre board based on modified Elman neural network;
基于改进Elman神经网络的石膏纤维板厚度控制建模
2.
Modified Elman Neural Network Controller for Behavior-Based Robot;
一种基于改进Elman神经网络的机器人行为控制器
3) modified Elman neural network
改进Elman网络
1.
Research on fault diagnosis of engine gearbox based on modified Elman neural network;
改进Elman网络在发动机齿轮箱故障诊断中的研究
4) Elman neural network
Elman神经网络
1.
Application of Elman neural network to width spread prediction in medium plate mill;
Elman神经网络在中厚板轧机宽展预测中的应用
2.
Wavelet transform-interpolation-Elman neural network spectrophotometry for the simultaneous determination of copper,iron and nickel in aluminium alloy with 5-Br-PADAP;
小波变换-插值-Elman神经网络5-Br-PADAP分光光度法同时测定铝合金中铜铁镍
3.
Application of Elman Neural Network to Safety Assessment of Crane;
Elman神经网络在起重机安全状态评估中的应用
5) Elman network
Elman神经网络
1.
Application of the steam coal quality predication technique base on Elman network;
Elman神经网络在动力配煤煤质预测技术中的应用
2.
For the aim of improving the dynamical system simulation ability of recurrent neural network, Based on Elman network, the recurrent wavelet neural network (RWNN ) was proposed in the paper, and the dynamic gradient descent algorithm of RWNN was given.
为提高动态递归神经网络的动态系统仿真能力,在Elman神经网络的基础上,提出动态递归小波神经网络(RWNN),给出了其动态梯度下降算法,并将其成功应用于非线性动态系统仿真。
6) Elman neural networks
Elman神经网络
1.
Some Theoretical Studies of Elman Neural Networks and Evolutionary Algorithms and Their Applications;
Elman神经网络与进化算法的若干理论研究及应用
2.
The Elman neural networks are typically dynamic recurrent neural networks.
Elman神经网络是一种典型的动态递归神经网络,它既可以学习空域模式,又可以学习时域模式,能使训练好的网络具有非线性和动态特性。
3.
Aiming at the characteristics of coal mine accidents,according to China\'s coal mine million tons death rate from 1998 to 2007,by combining the gray model GM(1,1)and Elman neural networks prediction model,the prediction model of coal mine accidents was established.
针对煤矿事故的特点,根据我国1998～2007年煤矿事故数据,将灰色预测模型GM(1,1)与Elman神经网络预测模型相结合,建立煤矿事故预测模型。
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