1) neural network object
神经网络对象
2) object relaxation neural network
对象松弛神经网络
4) diagonal recurrent neural network
对角神经网络
1.
For the non-linearity,uncertaniny and real time requirements of the hole conditions in drilling process,a controller system based on a diagonal recurrent neural network(DRNN) is used and the system can realize the self-tuning of three parameters of PID.
针对钻井过程的非线性、不确定性和实时性要求,采用基于对角神经网络(DRNN)的控制方案,能在线自适应的调整P ID控制器的3项参数。
2.
In this paper,a decoupling system based on a diagonal recurrent neural network is presented.
因此,文中提出了基于对角神经网络(DRNN)的解耦控制方案,能够在线自适应的调整PID控制器的3项参数,仿真结果表明可以达到较为理想的控制效果。
5) primal-dual neural network
原对偶神经网络
1.
As a real-time QP solver,a LVIbased primal-dual neural network was developed with a simple piecewise-linear structure and highe.
为了实时求解该二次规划问题,提出一种基于线性变分不等式(LVI)的原对偶神经网络。
2.
A primal-dual neural network based on inequalities of linear variation (LVI) is presented for online repeti- tive motion planning of PUMA560 robot arm,which resolves the problem of joint drift.
用一种基于线性变分不等式的原对偶神经网络来解决PUMA560机器手臂在运动过程中出现的关节角偏差问题,使机器手臂的关节能够实现重复运动。
3.
A primal-dual neural network(PDNN)based on linear variational inequalities(LVIs)is introduced as the real-time solver for the resultant quadratic programming scheme.
提出了基于线性变分不等式的原对偶神经网络,并将其作为所对应的二次型规划方案的实时求解器。
6) Dual dynamic neural networks
偶对称神经网络
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