1) grey neural network
灰色神经网络
1.
Network traffic prediction based on grey neural network integrated model;
一种基于灰色神经网络的网络流量预测模型
2.
The Establishment of the Grey Neural Network Model and Its Application on the Problem of Complex Nonlinear Prediction;
灰色神经网络模型的建立及其在复杂非线性预测问题中的应用
3.
Prediction on the deformation of soft rock roadway using grey neural network method
软岩巷道变形灰色神经网络多步预测研究
2) gray neural network
灰色神经网络
1.
Gray Neural Network and Application in Lifetime Predication of Concrete Structure;
灰色神经网络及在砼结构使用寿命评估中的应用
2.
This paper, using the method of gray neural network model (GNNM), studies the effect to dielectric performance and voltage-sensitive performance of doped SrTiO_3 multifunction ceramic, which are in the course of oxidation heat-treating and under certain conditions.
运用灰色神经网络理论 ,研究了掺杂 Sr Ti O3多功能陶瓷氧化热处理过程中 ,氧化热处理条件对介电性能和压敏性能的影响。
3.
The performance forecast is obtained by using gray neural network.
提出一种内燃机车燃烧系统综合性能评估和预测的新方法;燃烧系统的工作性能由柴油机功率、燃油消耗率、燃油压力、增压压力和排气温度等热工参数决定,介绍了有关参数的测量与计算,利用模糊理论对燃烧系统进行性能评估,利用灰色神经网络对燃烧系统的性能进行预测;该成果应用于株洲电力机车研究所研制的内燃机车状态监测与诊断系统,实际评估和预测结果验证了采用模糊理论进行性能评估和利用神经网络进行预测的可行性与有效性,与机车的其它诊断方法比较,能更全面地评估和预测燃烧系统的状态,为内燃机车检修提供了可靠依据。
3) Gray neutral network
灰色神经网络(GNN)
6) grey-neural network
灰色-神经网络
1.
To solve the structural parameter identification problem with measurement noises during the construction process of long-span cable-stayed bridges,an entire-processed parameter identification method based on grey-neural network was proposed.
为解决大跨度斜拉桥施工过程中观测噪声对结构参数识别的影响,以苏通大桥为工程背景,提出了基于灰色-神经网络的施工全过程参数识别方法。
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