2) continuous wavelet process neural networks
连续小波过程神经网络
1.
A continuous wavelet process neural networks(CWPNN)model is proposed based on wavelet analysis and process neural network theory in which the hidden layer is composed of process neurons and the hidden layer activation function is a wavelets function.
在小波分析和过程神经网络理论的基础上,提出了连续小波过程神经网络模型,其隐层为过程神经元,隐层激活函数采用小波函数。
3) multiresolution wavelet process neural network
多分辨小波过程神经网络
1.
We propose a multiresolution wavelet process neural network(MWPNN) based on wavelet multiresolution analysis theory and the process neural network model.
以小波多分辨分析为理论基础,结合过程神经网络模型,建立了具有分层、多分辨和局部学习特性的多分辨小波过程神经网络。
4) WNN
小波神经网络
1.
WNN based nonlinear dynamic system identification;
基于小波神经网络的非线性动态系统辩识
2.
Denoising Process to Baseband Signals in CDMA with WNN;
小波神经网络对CDMA基带信号的消噪处理
3.
Application of WNN to NGN Traffic Prediction;
小波神经网络在NGN流量预测中的应用
5) wavelet network
小波神经网络
1.
Force/position control algorithm for manipulator based on wavelet network;
基于小波神经网络的机械臂力/位置控制算法
2.
Axle center orbit identification algorithm based on fuzzy wavelet networks.;
基于模糊-小波神经网络的轴心轨迹识别方法
3.
Research on Stock Analysis and Prediction Method of Nonlinear Approaching Bases on Wavelet Network;
基于小波神经网络非线性逼近的股票分析与预测方法研究
6) wavelet neural networks
小波神经网络
1.
Research on runoff forecasting of reservoir by using fuzzy clustering analysis and wavelet neural networks;
基于GIS的小波神经网络库区径流预报模型研究
2.
Research progress of wavelet neural networks in application to hydrology and water resources;
小波神经网络在水文水资源应用中的研究进展
3.
Application of wavelet neural networks based on genetic algorithms in integrated navigation system;
遗传优化小波神经网络在组合导航系统中的应用
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