1) FGNN
前向生成神经网络
1.
Forward Generating Neural Network (FGNN) is a special network for solving mapping problems.
前向生成神经网络是一种解决映射问题的神经网络。
2) feed forward neural network
前向神经网络
1.
The over fitting problem of feed forward neural network was analyzed in statistics.
着重分析了前向神经网络在学习过程中过学习问题产生的统计学机理 ,并根据统计学习理论提出了一种新的准则函数·该准则函数综合考虑了网络的逼近性、容错性和归纳性 ,并且算法实现起来简单 ,易于在线选择·同时还提出一种新的网络结构学习算法·最后用该学习算法进行网络训练 ,仿真结果显示了算法的有效性和实用性
2.
A feed forward neural network(FFNN) for the corner classification 4(CC4) can instantaneously classify text data.
角分类前向神经网络CC 4可以快速对文本数据进行分类处理。
3) feedforward neural network
前向神经网络
1.
Fault-tolerance analysis of feedforward neural networks with the Chebyshev inequality method;
前向神经网络容错性分析的切比雪夫不等式法
2.
Research on generalization capability of feedforward neural networks;
前向神经网络泛化问题研究
3.
Learning strategy of feedforward neural network based on immune algorithm;
基于免疫算法的前向神经网络学习方法
4) feedforward neural networks
前向神经网络
1.
Application of feedforward neural networks based on H_∞ filter in SINS;
基于H_∞滤波算法的前向神经网络在SINS初始对准中的应用
2.
A new algorithm for improving the generalization performance and real-time ability of feedforward neural networks;
提高前向神经网络泛化性能和实时性能的新算法
3.
Learning algorithm for feedforward neural networks;
前向神经网络学习算法研究
5) Forward neural network
前向型神经网络
1.
The Application of Forward Neural Network Based on Data Mining for the Time Serial Prediction of Traffic Flow;
基于数据挖掘的前向型神经网络在交通流时序预测中的应用
6) BP front nerve net
BP前向神经网络
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