1) wavelet neural network model
小波神经网络模型
1.
Methods used in the study include wavelet analysis,wavelet neural network model, and GIS spatial analysis.
基于莺落峡、正义峡水文站径流量数据及相关气候资料,借助小波分析、小波神经网络模型和GIS空间分析方法,研究黑河干流径流量变化周期、突变、趋势及原因。
2) RS Theory-Information Entropy-Wavelet Neural Network Model
RS理论-信息熵-小波神经网络模型
3) wavelet neural network combined-forecasting model
小波神经网络组合预测模型
4) fuzzy wavelet neural network
模糊小波神经网络
1.
In order to improve the slow response and weak robustness of fuzzy control,by combining qualitative knowledge expressiveness of fuzzy control with excellent local property of wavelet analysis and quantitative learning ability of neural network,a fuzzy wavelet neural network controller is presented and is used to machining process control.
为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。
2.
A FWNN(fuzzy wavelet neural network) controller is proposed to control the robot.
提出一种模糊小波神经网络控制器对机器人进行控制。
3.
Given the subject function deficiencies of the language variable layer in the existing fuzzy neu- ral network,a new fuzzy wavelet neural network is put forward using the good dilation and translation character- istic of wavelet transformation with its structure and the corresponding optimization algorithm studied.
针对现有模糊神经网络的语言变量层隶属函数的不足,借鉴小波变换良好的尺度变换和伸缩平移特性,提出了一种新的模糊小波神经网络模型,并研究了其结构和相应的优化算法。
5) wavelet fuzzy neural network
小波模糊神经网络
1.
Study on fault location for distribution lines based on wavelet fuzzy neural network;
基于小波模糊神经网络配网馈线故障测距的研究
6) inverse mode wavelet neural network
逆模式小波神经网络
1.
Based on the characteristics of ship roll motion, the method of inverse mode wavelet neural network adaptive control is presented and applied to the control system of the fin stabilizer of ship in this paper, in which pseudo random binary signal (PRBS) is adopted as simulation input signal of wave slope angle.
根据船舶横摇运动的特点,本文提出以伪随机二元序列信号(PRBS)作为波倾角仿真输入信号,将逆模式小波神经网络自适应控制方法应用于船舶减摇鳍控制系统,取得了良好的减摇效果。
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