1) vector quantification network(LVQ network)
向量量化网络(LVQ网络)
2) learning vector quantization(LVQ)
学习矢量量化网络(LVQ)
3) line vector quantization (LVQ) neural network
矢量量化(LVQ)神经网络
4) learning vector quantization(LVQ) neural network
学习向量量化神经网络(LVQ)
5) LVQ neural network
LVQ网络
1.
First of all,the collected pressure-difference fluctuation signals were decomposed into a finite number of stationary intrinsic mode function(IMFs),then a number of IMFs containing main flow regime information were selected,from which time domain feature indicator-kurtosis coefficient that serves as input parameter of LVQ neural network was extracted in order to identify the flow regimes.
对水平管内空气—水两相流流型的识别结果表明:以EMD为预处理器提取峭度系数的LVQ网络识别方法具有更高的识别率,可以准确、有效地识别流型。
2.
LVQ neural network has the advantage of the pattern-identification.
结果表明,利用LVQ网络进行模式识别是合适的,所构建的预警模型能够有效地预测企业的财务危机。
3.
An approach to mechanism type selection is proposed according to the nonlinear mapping and clustering characteristic of LVQ neural network.
实例表明,采用LVQ网络进行机构选型是合适的,相对于BP网络具有更好的模式分类识别特性。
6) LVQ network
LVQ网络
1.
The peak energy amounts of the different frequencies of the loosing signals of turbine are utilized as training samples to input the LVQ network, and then the network outputs the scale vectors after training.
利用汽轮机轴承座松动的相关频段上不同频率谱的谱峰能量值作为故障信号的训练样本输入到LVQ网络,并产生训练后的权重向量。
2.
The peak energy amounts of the different frequencies of the loosing signals of turbine are utilized as training samples to input the LVQ network,and then the network outputs the scale vectors after training.
把汽轮机轴承座松动的相关频段上不同频率谱的谱峰能量值作为故障信号的训练样本输入到LVQ网络中去,并由LVQ网络产生训练后不同的权重向量。
3.
By using LVQ network model, the concentrations of pollutants like CO, COx and TSP and noise levels at the moni.
运用LVQ网络模型对道路沿线监测点的污染物CO、NO_x、TSP浓度及噪声声级进行综合评价，并与主分量分析法评价结果比较，两者结果完全一致；运用改进的LM算法BP网络模型，根据道路沿线监测点的交通流量、平均车速、受声点距路肩距离、敏感点高差预测交通噪声的等效声级，并与实测值比较，两者结果基本吻合。
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