1) neural network method
神经网络法
1.
Utilizing three kinds of prediction models and BP neural network method the ultimate bearing capacity of composite foundation of deep-layered agitating piles is estimated.
利用三种预测模型和BP神经网络法对收集到的实例的极限承载力进行了预测,发现神经网络法在天津市塘沽区深层搅拌复合地基极限承载力预测中效果最好。
2.
It is explained by an example, the result is similar to that of the ART (adaptive resonance theory) neural network method, so this method is available to decide.
提出了用于水利工程开发方案决策的项目综合评价方法———多目标决策灰色关联投影法,介绍了该方法的基本原理,建立了综合考虑项目的多种因素的水利工程开发方案选择的多目标决策灰色关联投影模型,并用实例加以说明,所得结果与自适应共振神经网络法的评价结果基本相同,说明该方法用于水利工程开发方案的选择是有效的。
2) neural network
神经网络法
1.
Therefore,mixed pixel decomposing model with neural network(MPD-NN) is proposed to classify TM image in Beijing.
因此,提出了混合像元分解模型结合神经网络法(MPD-NN法),利用其对北京市TM图像进行地物分类,并与较常用的决策树法分类结果比较,研究在图像现有空间分辨率的条件下提高城市分类精度。
3) Artificial neural network
人工神经网络法
1.
Artificial neural network ga.
在此基础上,以手性拓扑指数为参数,利用F isher意义下的分析和人工神经网络法,对这些化合物的对映体进行了高效液相色谱分离中先后淋洗出的的对映体进行分类判别。
5) neural network method
神经网络方法
1.
Determining oil boundary of lithologic reservoir by neural network method in Mabei Oilfield;
神经网络方法确定玛北油田岩性油藏含油边界
2.
Research of a neural network method for mechanical parameter back analysis considering influence of the errors;
考虑误差影响的力学参数反分析神经网络方法研究
3.
Neural network method was used to investigate the parison swell affected by the die temperature and extrusion flow rate.
采用神经网络方法预测了受模口温度和挤出流率影响的型坯成型阶段的膨胀。
6) neural network method
神经元网络法
1.
Two different kinds of neural network methods,BP and LVQ ,are applied to the identification of e,μ,π particles in BES experiment ,and better results are obtained.
研究了两种不同的神经元网络法，ＢＰ网络和ＬＶＱ网络，对北京谱仪（ＢＥＳ）实验中ｅ，μ，π粒子的鉴别，取得了较常规方法要好的结果。
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