1) piecewise-linear neural network
分片线性神经网络
1.
During this process,feature points were used in place of sample data to do triangulation,then an algorithm of piecewise-linear neural networks approximation based on optimal triangulation was given.
针对非线性系统建模中用标准连续分片线性神经网络(SCPLNN)模型拟合二维平面上离散点的问题,依据逼近误差最小化的原则,提出了一种优化的三角形剖分算法进行区域划分。
2) continuous piecewise-linear neural networks
连续分片线性神经网络
3) fractional linear neural network
分式线性神经网络
1.
This paper presents a fractional linear neural network with simple structure, and proves that the fractional linear neural network can limitlessly approach any continuous mapping from limited close subset of R~ m to R~ n .
提出了结构简单的分式线性神经网络,证明该种神经网络可无限逼近Rm上有界闭子集到Rn上的任意连续映射,同时,证实该种神经网络可无限逼近Rm上无界闭子集到Rn上的在无穷远有极限的任意连续映射,扩充了BP神经网络的非线性逼近能力;给出了实现分式线性神经网络逼近有界或无界区域上连续映射的反向传播算法。
2.
A fractional linear neural network with simple structure is proposed.
给出了一种简单结构的分式线性神经网络模型,证明该种神经网络可无限逼近Rm上有界闭子集到Rn上的任意连续映射。
4) Linear neural network
线性神经网络
1.
Application of linear neural network in calibration of accelerometer;
线性神经网络在加速度计静态模型标定的应用
2.
A Cointegration Analysis Based on Linear Neural Network;
基于线性神经网络的协整分析
3.
In this paper linear neural network was applied to adaptive noise cancellation technology,and the neural network was trained by least mean square (LMS) algorithm.
针对有源滤波器谐波检测实时精度高的要求,将线性神经网络应用于自适应噪声对消技术,采用最小均方(least mean square,LMS)误差算法对神经网络进行训练,通过线性神经网络实现的自适应格型滤波器,每个神经元对输入基波和谐波信号并行协同处理,对电网高次谐波分量进行滤波和预测,较常规滤波器有更好的实时性和鲁棒性。
5) linear neural networks
线性神经网络
1.
This method used genetic algorithm optima linear neural networks firstly, then fitting the output of sensor consistency, also putting up a stopping-genetic evolution and adapting-variation methods.
该方法首先使用遗传算法优化线性神经网络的权值,再用神经网络对浓度传感器的输出特性进行拟合,提出遗传进化停滞算子与自适应变异方法,实验验证该方法的有效性。
2.
Firstly the basic principles of linear neural networks and Fourier transform are introduced;meanwhile computational method of linear neural network weights is given;secondly the steps of periodic signals decompositions is given on the basis of linear neural networks.
提出一种利用线性神经网络进行周期信号傅立叶变换的方法。
6) nonlinear neural network
非线性神经网络
1.
A controlling model of the proposed system is then put forward based on nonlinear neural networks,with a neural identifier and a controller being also designed.
为了在保证行车安全的前提下,提高列车的横向平稳性能,提出一种基于天棚原理的列车横向半主动悬挂系统,并建立了半主动悬挂非线性神经网络控制模型,设计了神经辨识器和控制器。
补充资料：分片线性拓扑学
分片线性拓扑学
piecevnse-linear topology
n减e出tic).然而，这个方法没有达到大众化;首先，归功于HauPt记nnutung的无效性，它不产生拓扑不变性的证明，其次，三角剖分不变量的实际计算常常是没有希望的工作.方法已或多或少地系统地应用于三维流形(见流形的拓扑学(topolo留of招短而仕);三维流形(three~din℃出ional Inan面Id))和纽结理论(k加ttlleory).在同伦理论中，已产生了胞腔分解的技术(见CW复形(CW一colnPlex)).a复形的思想的发展导致了半单纯复形的理论，它帮助避免了同伦理沦中不必要的拓扑的复杂情况(见半单纯复形(se幻山-slnlphcial complex)). 分片线性拓扑的基本目标是pl流形，它在微分流形和拓扑流形之问起了重要的联系的涟环的作用.流形的概念可以在四个范畴厂，尹，L分，了的每一个中自然地定义.在万中，它是简单的可三角剖分的拓扑流形的概念、在少中，有P1流形(Pl~江以苗场lds—多面体，它的每一个点有一个邻域Pl同胚于一个适当维数的立方体;在.分中和了中.分别考虑组合流形(combmatoriai nlanitblds)和形式流形(拓n刀alTnanilblds〕—复形(“复形)，在其中.顶点的星形组合等价于单形的标准三角剖分，即由单形自身和它的所有的面组成.Hau pt吮rmutt川g在Pl流形的类中如【6]一样是错误的.已经设计出了一个拓扑流形的非组合三角剖分的例子(见「7]，18〕)，在该例中，某些单形的嵌人不是局部平坦的.如果假设所有的单形是局部平坦的，此外.接受B由.屁猜想(几加联时con·」仪t山吧)在3维、4维时的正确性就可以证明流形的三角剖分是组合流形最后，虽然具有无组合三角剖分的流形的例子已出现(【6])，但不知道任何一个(可度量化的)流形是否可三角剖分(j989).分片线性拓扑学〔护仪”滋脸~1如图rto州q戮;均℃。明。朋:e妞.明犯no加以:l 涉及多面体的拓扑学的一个分支.一个多面体(polyll司ron)首先是指有界维的凸多胞形的有限或局部有限并的拓扑向盆空间(topol卿。
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