2) self-adapting neural network
自适应神经网络
1.
The present article intends to introduce a new approach to solving the problem in determining the remnant methane quantity in fallen coals by means of self-adapting neural network.
基于此 ,作者提出自适应神经网络的落煤残存瓦斯量预测模型 ,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。
3) adaptive neural network
自适应神经网络
1.
Fuzzy tracking control for fighter based on adaptive neural network;
基于自适应神经网络的歼击机模糊跟踪控制
2.
Direct adaptive neural network control for uncertain nonlinear system with disturbance;
不确定非线性系统的直接自适应神经网络控制
3.
Robust H_∞ control for a class of uncertain nonlinear systems based on adaptive neural networks;
基于自适应神经网络的一类不确定非线性系统的鲁棒H_∞控制
4) self-adaptive neural network
自适应神经网络
1.
The self-adaptive neural network algorithm about adjusting momentum vector and learning rate was discussed in this paper.
探讨了动量系数和学习率自适应调整的神经网络算法,给出了动量系数和学习率的调整方法,并作为机械故障的特征识别方法,以小波分析技术作为机械故障特征信号的提取手段,由此建立了基于小波与自适应神经网络的旋转机械故障智能诊断系统,给出了诊断系统的训练学习方式和工作方式,通过实际测试数据酌诊断结果说明此诊断系统对故障诊断是有效的。
2.
The self-adaptive neural network about adjusting mom en tum vector and learning rate, and the selection of characteristic parameters of void identification on rigid pavement for nondestructive testing (NDT) fast and validly are discussed, and the frequency drawdown ratio as characteristic parame ters put forward in this paper.
利用有限元方法对刚性路面脱空进行数值模拟 ,同时采用声振法研究了刚性路面板声学特征变化的关系 ,分别获取训练样本数据 ,通过自适应神经网络对刚性路面脱空进行了识别研究。
3.
The self-adaptive neural network algorithm about adjusting momentum vector and learning rate is discussed.
以频谱分析作为机械故障特征信号的提取手段,由此建立了基于自适应神经网络的旋转机械故障智能诊断系统,给出了诊断系统的训练学习方式和工作方式,通过实际测试数据的诊断结果,说明此诊断系统对故障诊断是有效的。
6) Hopfield Neural Networks
Hopfield神经网络
1.
Research on vehicle path combinatorial optimization based on Hopfield neural networks;
基于Hopfield神经网络车辆路径的优化研究
2.
Robust stability of Hopfield neural networks with multiple time-delay and estimation of the domain of attraction;
多时滞Hopfield神经网络的鲁棒稳定性及吸引域的估计
3.
A periodic solution of second continuous Hopfield neural networks with delays;
具有时滞的二阶连续型Hopfield神经网络的周期解
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