1) basis function like networks
基函数类网络
2) based function neural networks
基函数类神经网络
1.
The scheme can function without any plant model,without expert knowledge,and without the previous plant data,which uses the radial based function neural networks to adjust the system input,.
采用自适应滑模变结构控制方法 ,对形如 x(n) =f( x,t) +g( x,t) u+d( t)的非线性系统进行跟踪控制 ,其中 f( x,t)和 g( x,t)为未知非线性函数 ,且其边界未知 ,d( t)为未知有界扰动 ,为减少对被控制对象信息的依赖性 ,没有利用专家知道 ,也没有利用被控对象的历史运行数据 ,通过利用基函数类神经网络动态逼近函数 f( x,t)和 g( x,t) ,对自适应调整控制系统输入 ,得出基于 RBF网络的滑模变结构自适应控制方案 ,经过理论分析 ,证明了控制方案的稳定性。
4) radial basis function networks
径向基函数网络
1.
A method of characteristic LIF spectral signatures separation based on radial basis function networks;
基于径向基函数网络的激光诱导荧光特征光谱分离算法
2.
The radial basis function networks (RBFN) was combined with the cyclic subspace regression (CSR) in this paper, and a modeling approach by RBFN-CSR was designed.
本文将径向基函数网络(RBFN)与循环子空间回归(CSR)相结合,设计了RBFN-CSR建模方法。
3.
A prediction model of methanol content at the exit of methanol synthesis reactor was proposed through radial basis function networks and partial least square regression approach.
运用径向基函数网络结合偏最小二乘回归的方法建立了甲醇合成反应器出口甲醇含量的预测模型。
5) Radial basis function network
径向基函数网络
1.
Application of radial basis function networks in reconstruction of virtual machining object;
径向基函数网络在虚拟加工对象重构中的应用
2.
Using radial basis function network based on project pursuit to forecast reference evapotranspiration;
基于投影寻踪的径向基函数网络在参考腾发量预测中的应用
3.
Study of shape from shading algorithm based on the radial basis function network;
基于径向基函数网络的SFS算法研究
6) Radial Basis Function Network
径基函数网络
1.
4-CBA soft sensor of Luoyang PTA plant based on Radial Basis Function Network;
洛阳PTA装置基于径基函数网络的4-CBA软测量
补充资料：函数逼近，函数类的极值问题
函数逼近，函数类的极值问题
ions, extremal problems in function dasses approximation of ftinc-
】f，r，(r’)一f(r，(r‘’)}《M】r’一r“}“(r’，，“。I一1，!])的f任Cr!一1，l]组成的函数类，则对于n一1次代数多项式子空间贝了在!一1，l]上所作的最佳一致逼近，下列关系式成立: 悠二E‘MH。，”‘”)‘一粤，‘6) ，、_一二，二，，，，、~刀、M，二、。，，r，、忽”厂‘““‘M附rH“，贝:’‘一誉{’·‘万一‘’‘““‘，‘7， r=l，2，…，将这些结果与周期情形下的相应结果进行比较是有所裨益的.当，=1时，(6)，(7)的右端分别等于M凡和M人r+1.如果放弃对最佳逼近多项式的要求，那么就可以获得较强的结果，这些结果实质上改善了在!一1，l]端点处的逼近并保持了整个区间上的最佳渐近特征.例如，对任何f6MH‘，存在代数多项式序列Pn以t)任灾矛，使得当n~的时，下列关系式在t6!一1，l]上一致成立:、f(!)一。。，‘)、·:{{;杯}“二‘一，!- =E(MHa，哭聋)。【(l一tZ)a·‘2+o(l)1.对M评百，(r=1，2，…)也有类似的结果(见【川).关于(最佳及插值型)样条逼近给定在区间上函数类的问题，若干精确及渐近精确的结果(主要是对于低阶样条)已公诸于世(见1151). 就(积分度量下的)单边逼近而言，关于上述函数类用多项式和样条进行最佳逼近的误差估计也已得到了一系列精确的结果(见【14]).在推导这些结果的过程中，实质上利用了最佳逼近在锥约束下的对偶关系. 对给定的函数类叨，寻求其(固定维数的)最佳逼近工具将导致确定所谓的宽度(widih)问题，亦即确定(参考(l)，(3)) 心(，之，幻=运fE(叭，贝，)x， 贝即 d沁(叭，X)==运f者(叭，叽、)，， 田阳(其中下确界取自X的所有N维子空间灾N(及其平移))，以及确定实现这些下确界的(最佳)极子空间问题.心与d万的上界可由E(叨，灾)x和g(叭，叭)x分别给出，对于具体的子空间贝，来说，E(绷，灾)x和扩(绷，哭N)x是已知的.宽度问题中的主要困难是获取下确界.在某些场合下，可借助于拓扑中的Borsuk对映定理丈见18』)而得到这些下确界.在用(。一1阶三角多项式)子空间，荔一，或(关于结点人司。亏数为1的。阶样条)子空间s皿解决函数类M吼及周期函数类wrH“的最佳逼近问题时，已知的上确界E(叭，巩、)x几乎在所有的情况下同时也就是这些函数类的心值.此外，对周期函数类还有姚。一1=姚。.特别有(见[7]，【8]，【1 51，【16」)dZ，l(附妥，C)=dZ。(W蕊，C)二dZ。一(W下.L一)= =dZ。
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