1) recurrent neural network
反馈神经网络
1.
Study of recurrent neural network based on kernel independent component analysis and its application;
核特征抽取的反馈神经网络的探索及应用
2.
Exponential stability and existence of periodic solutions for a class of recurrent neural networks with delays;
时滞反馈神经网络模型的周期解的存在性和全局稳定性(英文)
3.
According to the research of the recurrent neural network control method application to aeroengines,the system based on recurrent network is built.
根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。
2) recurrent neural networks
反馈神经网络
1.
An alternative dynamic data rectification method based on recurrent neural networks(RNN)was studied in detail.
对基于反馈神经网络的化工过程动态数据校正方法进行了研究,实现了自反馈增益的网络结构和动态反向传播算法。
2.
The method of recurrent neural networks approximation is used in nonlinear discrete_time systems.
对反馈神经网络近似非线性离散系统的能力进行了扩展研究 ,针对于更普遍的非线性时变离散系统 ,证明了它们在有限时间段内的输出轨迹可以被反馈神经网络输出神经元的状态向量近似到任何程度。
3.
Starting from the universal approximation theorem of multilayered feed forward neural networks,this paper proves that the finite time trajectory of nonlinear continuous time system with input can be approximated by the state vector of the output units of a class of recurrent neural networks.
本文从多层前馈神经网络的一般近似定理出发 ,证明了带有输入的非线性连续系统在有限时间段内的输出轨迹可以被一类反馈神经网络输出神经元的状态向量近似到任何程度 。
3) feedback neural network
反馈神经网络
1.
Effects of the learning algorithm on the faulty behavior of feedback neural networks;
学习算法对反馈神经网络故障性能的影响
2.
Method of anomaly detection based on feedback neural network;
一种基于反馈神经网络的异常检测方法
3.
Image Blind Separation Based on Feedback Neural Network;
基于反馈神经网络的图像盲分离
4) feedback neural networks
反馈神经网络
1.
Stability analysis is an important topic for dynamical feedback neural networks, which provides certain guidance for the their design and applications.
稳定性分析是动态反馈神经网络的重要研究内容 ,对于网络的设计和应用具有指导作用。
5) Hopfield feedback neural network
Hopfield反馈神经网络
6) Elman feedback neutral network
Elman反馈神经网络
补充资料：《网络分析和反馈放大器设计》
论述网络分析和反馈放大器设计的名著，H.W.博德著，1945年在美国出版。作者在本书中叙述并发展了网络的一般理论，首先提出在一个网络中任何元件的回归差F 等于该元件具有正常值时的网络行列式与该元件值为零时网络行列式之比,推导出回归比T和环路传输μβ的关系
F＝1+T＝1-μβ
详细推导了网络函数的实部和虚部之间的关系，并把这种关系应用于负反馈放大器的输入、输出和级间网络的设计上。
详细推导了网络函数的实部和虚部之间的关系，并把这种关系应用于负反馈放大器的输入、输出和级间网络的设计上。
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