1) Radial Basis Probabilistic Neural Network
径向基概率神经网络
1.
Graphic symbol recognition of engineering drawings based on radial basis probabilistic neural networks;
基于径向基概率神经网络的工程图纸图形符号识别
2.
A structure optimization of the radial basis probabilistic neural network based on covering hypersphere algorithm
一种基于覆盖超球算法的径向基概率神经网络结构优化
3.
According to skin color distribution in YCbCr color space,a novel face recognition method based on radial basis probabilistic neural network (RBPNN) in Eigenface Space of Mahalanobis Distance Map to Skin Color Information was proposed.
在特征脸空间中提取图像的统计特征,以这些统计特征作为输入,构造径向基概率神经网络,利用它的非线性计算和映射能力,进行人脸识别与分类。
2) RBPNN
径向基概率神经网络
1.
And RBPNN is designed.
根据小波包特征(WPT)和脉冲重复间隔(PRI)的特点,将八维WPT中的第六、七个分量(Wpt6、Wpt7)以及PRI的均值和方差(mPRI、σ2PRI)四个特征参数作为雷达辐射源的识别依据,设计了径向基概率神经网络(RBPNN)分类器。
2.
The maximum absolute error algorithm (MAEA) is used to optimally selecting the hidden centers vectors of the radial basis probabilistic neural networks (RBPNN).
使用最大绝对误差算法 (MAEA)优选径向基概率神经网络 (RBPNN )隐中心矢量 ,将MAEA与求解RBPNN最优核函数控制参数的微遗传算法 (μGA)相结合 (MAE μGA)来共同实现RBPNN的全结构优化 实验结果显示 ,对比其他几种算法 ,MAE μGA优化后的RBPNN结构最简 ,而且在推广能力方面略好于其他几种优化方法 另外 ,MAE μGA对径向基函数网络也有很好的适用
3.
This show that the Radial Basis Probabilistic Neural Network(RBPNN) has the practicabilit.
用MATLAB语言建立径向基概率神经网络来求解地震潜在震源区的划分问题,地震潜在震源区划分是地震危险性安全评价工作的重点,影响潜在震源区的客观因素与潜在震源区划分结果间是一种高度非线性关系,将实际问题分析为网络的模式识别,以华南沿海地区为例检验优化网络,结果较好地对应了中国地震烈度区划图(1990),该方法是对潜在震源区智能划分的一次有效尝试。
3) radial basis probabilistic neural networks
径向基概率神经网络
1.
The genetic algorithm was used to optimize the full structure radial basis probabilistic neural networks(RBPNN), including selecting the hidden centers vectors of the first hidden layer and determining the matching controlling parameters of kernel function of RBPNN.
使用遗传算法来实现径向基概率神经网络 (RBPNN)的全结构遗传优化 ,包括优选网络第一隐层节点数和求取匹配的核函数控制参数 。
2.
The genetic algorithm is used to optimize the structure of the radial basis probabilistic neural networks (RBPNN), including selecting the hidden center vectors of the first hidden layer and determining the corresponding controlling parameters of the kernel function of RBPNN.
运用遗传算法 (GA)来优化设计径向基概率神经网络 (RBPNN)结构 ,优选了隐中心矢量和优化求取对应的核函数控制参数 。
4) Radial Basic Function-Probabilistic Mixed Neural Network
径向基函数概率混合神经网络
5) RBF neural network
径向基神经网络
1.
A fault diagnosis method for power electronic equipment based on RBF neural network and frequency spectrum analysis;
一种基于径向基神经网络和频谱分析的电路元件故障诊断方法
2.
Evolutionary design of RBF neural network based on multi-species cooperative particle swarm optimizer;
基于多种群协同进化微粒群算法的径向基神经网络设计
3.
Study on traffic accidents prediction model based on RBF neural network
道路交通事故径向基神经网络预测模型研究
6) radial basis function neural networks
径向基神经网络
1.
Simultaneous determination of Pb~(2+) and Cd~(2+) by oscillographic chronopotentiometry with radial basis function neural networks;
径向基神经网络示波计时电位法同时测定铅和镉
2.
The Application of the Radial Basis Function Neural Networks in Tomography;
径向基神经网络在层析成像中的应用
3.
Aimed to supplement previous researches, this paper proposed a new assessment method of surface water quality based on multivariate statistical analysis and Radial Basis Function Neural Networks, which was useful for the large-scale and long-term monitoring.
其主要程序为:利用方差分析对各断面多年水质监测样本进行时间与空间尺度上的显著差异性分析,识别出具有显著差异的样本,然后通过层次聚类分析把上述样本进行聚类分组,最后应用径向基神经网络对各组样本进行水质评价,并把此评价结果再分解到各断面各时段,此方法的特点为在不损失信息的前提下能大大减轻水质评价工作量,且客观可信、分辨率高,并能综合反映总体与个别特征。
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