1) Elman recurrent neural network
Elman回归神经网络
1.
Simultaneous determination of CuⅡ,NiⅡ,CrⅢ three-components mixture by Elman recurrent neural network in absorption spectra;
吸收光谱Elman回归神经网络同时测定CuⅡ,NiⅡ,CrⅢ3组分混合物
2.
Elman recurrent neural network ( ERNN) was applied to study the simultaneous quantitative analysis of seriously overlapped spectra of a p-nitrophenol, o-nitrophenol and 2,4-dinitrophenol system.
应用Elman回归神经网络(ERNN)对光谱严重重叠的对硝基苯酚,邻硝基苯酚和2,4二硝基苯酚体系的同时定量测定进行了研究,并与多变量线性回归(MLR)法作了比较。
3.
Elman recurrent neural network(Elman RNN)was applied to study the simultaneous quantitative analysis of overlapping UV spectra.
应用Elman回归神经网络对同时定量分析紫外重叠光谱进行了研究。
2) recurrent neural network theory of Elman
Elman型回归神经网络
1.
Application recurrent neural network theory of Elman for setting up ethylene cracking severity soft sensor model is described.
提出了运用Elman型回归神经网络来建立裂解深度软测量模型,解决控制参数测量中在线分析仪表的滞后等问题。
3) Elman Recurrent Neural Network(Elman RNN)
Elman递归神经网络
4) Elman recurrent network
Elman回归网络
1.
A systemic design for Elman recurrent network;
一种Elman回归网络的设计方法
5) time delay Elman recurrent neural network
时延Elman递归神经网络
1.
For the problem of high depth and low resolution ratio in the memory of Elman recurrent neural network,a time delay Elman recurrent neural network(TERNN) model with a simple configuration was proposed.
针对Elman递归神经网络存在的高深度、低分辨率问题,提出了一个结构简单的时延Elman递归神经网络模型。
6) 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
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