1) neural network group
神经网络群
1.
In this paper,a neural network group is defined for BP NN based classification systems.
本文针对基于BP神经网络的分类系统 ,提出了神经网络群的概念 ,在此基础上给出了一种系统自适应增长算法 ,使得在新的目标类型加入时系统结构能够自适应调整 。
2.
With the help of the intelligent control theory and direct torque control theory, a kind of Neural Network Group (NNG) trained by multiorbit chaos optimization algorithm is put forward, and the method of identifying parameters through speed identifier is modified.
本文系统地介绍了直接转矩控制的现状及发展情况以及直接转矩控制的基本理论,并结合智能控制理论和直接转矩控制技术,提出了基于多轨道混沌算法优化的BP神经网络群,构造了转速辨识器,改进了直接转矩控制系统中的参数辨识方法。
2) neural group network
神经元群网络
1.
In this paper,we construct a neural group network controller for resolving the problems that exist in the Internet-based multi-robot system,such as:delayed instruction,low efficiency and poor collaboration ability,etc.
针对Internet多机器人系统中存在的操作指令延迟、工作效率低、协作能力差等问题,提出了多机器人神经元群网络控制模型。
3) Ant Colony Neural Network
蚁群神经网络
1.
Applicative Research of Ant Colony Neural Network for Condensing Equipment Diagnosis in Power Plant;
蚁群神经网络在电厂凝汽设备故障诊断中的应用研究
5) ant colony algorithm -neuronic network
蚁群BP神经网络
6) neural network autonomous set(NNAS)
神经网络自律群
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