说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 模糊极大-极小神经网络
1)  fuzzy min-max neural networks
模糊极大-极小神经网络
2)  fuzzy min-max neural network
模糊极小极大神经网络
1.
To solve the problem,an SAR image recognition system based on multiple-eigenspaces of ICA and fuzzy min-max neural network ensemble is proposed.
通过独立分量分析构造若干个方位角的SAR图像特征空间,为每一特征空间各训练一个模糊极小极大神经网络用于分类,然后利用D-S证据理论集成各个神经网络的输出。
3)  fuzzy min max neural work
糊糊极小-极大神经网络
4)  General Fuzzy Min-Max(GFMM) neural network
一般模糊极大-极小神经网络
1.
By analyzing the basic principles of General Fuzzy Min-Max(GFMM) neural network and the accuracy and high performance of fuzzy computation for information intelligent processing, the GFMM neural network is applied to the corporation’s credit rating.
分析一般模糊极大-极小神经网络的基本原理,阐述模糊计算方法在分类中的准确性和高效性。
5)  General fuzzy min-max neural network
一般模糊极小极大神经网络
6)  fuzzy min_max neural network
模糊极小极大网络
补充资料:基于模糊神经网络的模具产品报价系统
一、 报价系统概论
产品报价是指被讯价方根据自身所处市场环境、生产、经营、管理现状等因素而针对讯价方所指定的产品及其特殊的功能需求所报出的价格。产品报价是一种复杂而有重要的经济行为。产品报价的高低好坏有利于报价双方能面对面坐下来并经多次商讨而确定产品的成交价格并最终达成协议,签订合同。产品报价[1],特别是比较复杂的产品报价,如模具产品报价,需要许多领域人员的协调工作,如技术、财务、商务等,必须考虑各种结构化和非结构化的因素。其中结构化因素如技术参数、结构参数、工艺参数、制造成本、费用分配比例等比较易于确定的因素。而非结构化因素如最终利润率、赢得订单的几率等,则需要考虑企业内外环境等各种不确定因素。从信息系统角度来考虑,整个报价过程是一个信息流动和信息处理的过程,包括信息的产生、传递、处理、存储;具有很复杂的信息流,涉及到销售、经营、设计、会计、生产计划、采购等等。
[1]目前国内外开发的报价系统依其功能可大致分为五类,即商务型报价系统、生产型报价系统、工程型报价系统、投标型报价系统和集成型报价系统。工程型报价系统实际上是产品选型、初步设计加成本估算,其最终报价的形成有待提高;商务型报价系统,是在技术报价的基础上,对产品价格进行分析、计算、结合价格变化趋势预测的结果,确定合适的产品价格。其全部价值是基于产品成本而做的加价判断或推理。二者各自突现了自己的重点,如前者对报价的结构化问题处理较好,而后者对报价所涉及的非结构化因素研究较为深刻。
二、 模具产品的报价
模具产品的报价是一个非常复杂的过程。但从单纯的仅考虑结构化因素的技术报价来看。
 


框一、功能分解与评价:
根据客户提供的工件图纸及交货期限、或其他特殊的要求分析工件的结构特征、工艺参数等因素,提取有用信息。
框二、产品方案设计:
根据功能评价所提供的有用信息及交货期限等,考虑自身的生产、经营、管理现状,确定合理的方案。主要有工件排样、模具类型选择、压力机参数估算选型等。
框三、结构设计:
根据设计方案确定模具的合理结构和大致尺寸,同时选定模架形式等。
框四、成本估算:
根据工厂积累的有关经验数据(如外构件的价格、人工费用、材料费用、费用分配比例等)和以往开发同类产品的报价经验,由结构设计和方案设计所得的有关信息,估算产品成本。
框五、历史经验资料、数据:
为方案、结构、成本估算提供各种所需的资料、数据。包括各种工具书、国家标准、材料费用表、人工费用表、费用分配比例、以往开发经验及相关数据等非常有用的各种信息。
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