1) Neural network(NN) com-mand-compensation
神经网络给定补偿
2) neural network compensator
神经网络补偿器
3) NN-compensation
神经网络补偿
1.
A hybrid modeling method of a subminiature rotorcraft in horizontal turning had been proposed by using mechanism model and NN-compensation.
采用神经网络补偿机理模型法进行超小型旋翼机系统的平面转弯运动建模。
4) CFNN
补偿模糊神经网络
1.
APPLICATION OF CFNN IN PREDICTION OF RESERVOIR PARAMETERS;
补偿模糊神经网络在储层参数预测中的应用
2.
In order to overcome the drawbacks of conventional Artificial Neural Networks (ANN) and Fuzzy Neural Networks (FNN), the Compensatory Fuzzy Neural Network (CFNN) with fast learning algorithms was introduced.
针对常规神经网络和模糊神经网络的不足,介绍了一种具有快速算法的补偿模糊神经网络,并根据电火花加工的工艺特点及其复杂性,建立了基于补偿模糊神经网络的电火花加工工艺效果预测模型,可实现指定加工条件下的工艺效果预测。
3.
To solve the problem of image filtering,a novel method based on Compensatory Fuzzy Neural Network(CFNN) has been proposed.
针对图像滤波难题,将补偿模糊神经网络应用于图像滤波中,提出了基于补偿模糊神经网络(compensatory fuzzy neural network)的图像滤波方法。
5) Compensation fuzzy neural networks
补偿模糊神经网络
1.
Application Research of Compensation Fuzzy Neural Networks in Human Reliability Analysis;
补偿模糊神经网络在人因可靠性分析中的应用研究
2.
Application Research of Compensation Fuzzy Neural Networks in Fault Tree Analysis;
补偿模糊神经网络在故障树分析中的应用研究
3.
In this paper a new predictive model based on compensation fuzzy neural networks for thermal error in NC machine tool is proposed .
文章提出了一种基于补偿模糊神经网络的数控机床热误差预报模型 ,讨论了该模型的详细结构、模糊规则、训练算法及相关技术问题 ,并给出了智能预报结果和精度评
6) compensative fuzzy neural network
补偿模糊神经网络
1.
This paper establishes the compensative fuzzy neural network model for assessing sand liquefaction potential with seven parameters including earthquake magnitude,peak ground surface acceleration,standard penetration value,specific penetration resistance,relative compaction,average particle diameter,and water table based on analyzing some influencing factors of sand liquefaction.
在分析砂土液化影响因素的基础上,选取震级、地面加速度最大值、标准贯入击数、比贯入阻力、相对密实度、平均粒径、地下水位等7个因素作为评价指标,建立了砂土液化势评价的补偿模糊神经网络模型。
2.
The compensative fuzzy neural network(CFNN) based on compensative fuzzy logic and neural network and its study arithmetic are researched.
研究了基于补偿模糊逻辑与神经网络相结合的补偿模糊神经网络(CFNN)。
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