2) quantum neural networks
量子神经网络
1.
Performance of multiuser detection for CDMA system using quantum neural networks in flat Rayleigh fading environment;
平坦瑞利环境下多用户检测的量子神经网络方法
2.
A quantum neural networks(QNN) method for forecasting oil recovery ratio in molecule deposition oil-displacement was proposed on the basis of the information processing of biology neuron and quantum computing theory.
提出一种用于预测分子沉积(MD)膜驱原油采收率的量子神经网络方法。
3.
This paper introduces the Quantum Neural Networks model based on multilevel activation function and its algorithm briefly.
本文介绍了基于多层激励函数的量子神经网络模型及其算法,并将量子神经网络模型应用于电机转子故障诊断中, 比较了BP神经网络和量子神经网络(QNN)的故障识别精度。
3) quantum neural network
量子神经网络
1.
Handwritten digital recognition method based on quantum neural networks;
基于量子神经网络的手写体数字识别方法研究
2.
Handwritten digital recognition method based on new feature extraction method and quantum neural network
基于新特征提取法和量子神经网络的手写数字识别
3.
A learning algorithm and its applications to the quantum neural network model
一种量子神经网络模型学习算法及应用
4) Lagrange programming neural network
Lagrange乘子神经网络
5) multiwavelet neural network
多子波神经网络
1.
And then, another new proof on approximation property of multiwavelet neural network is given using the equivalence relation between B spline basis function based fuzzy systems and wavelet neural network.
同时 ,根据基于B样条隶属函数的层次模糊系统与多子波神经网络在逼近问题上的等价性 ,对于多子波神经网络是否为全局逼近器这一问题给出了一种全新的证明方
2.
The concept and the model of the multiwavelet neural network are proposed.
本文提出了多子波神经网络的概念和模型 ,证明了其泛逼近性、L2 逼近性和相容性 ,并给出了相应的收敛速度估计 。
6) Wavelet neural network
子波神经网络
1.
The structure and algorithm of a wavelet neural network are discussed.
论述了用于信号识别的子波神经网络的结构和算法，并根据火灾传感器信号处理的特点，提出了将其用于火灾探测的方法，在子波神经网络中采用了子波函数和共轭梯度优化方法。
2.
A new model of neural networkwavelet neural network was introduced.
利用子波神经网络并适当选取网络结构和子波基，实现了对化学物质红外光谱数据的压缩表达和分类，取得了令人满意的效果，说明子波神经网络在光谱处理方面有着较好的应用前景和优越
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