1) probabilistic neural networks filtering
概率神经网络滤波
2) wavelet probabilistic neural network
小波概率神经网络
1.
Damage identification methods of wavelet probabilistic neural network based on energy features;
基于能量特征的小波概率神经网络损伤识别方法
2.
Influence on damage identification result based on wavelet probabilistic neural network with wavelet bandwidth range,wavelet scales step length and scales number are analyzed.
采用小波概率神经网络(WPNN)损伤识别方法,分析了结构损伤识别中信号的小波分解带宽范围、小波尺度步长和尺度数量对损伤识别结果的影响,研究发现,小波尺度的选择对结构的损伤识别结果有决定性的影响。
3.
Several kinds of common wavelet functions were chosen to study the damage identification of a four-story steel frame by using wavelet probabilistic neural network method.
方法选取了几种常用的小波函数,运用小波分析提取能量特征,采用小波概率神经网络方法,对四层钢框架进行了损伤识别及小波函数对损伤识别影响的对比研究。
3) probabilistic neural network
概率神经网络
1.
Application of probabilistic neural network in recognizing coalmine infrared monitoring images;
概率神经网络在矿井红外监控图像识别中的应用
2.
Application of probabilistic neural network technique in lithology inversion of seismic data;
概率神经网络技术在地震岩性反演中应用
3.
Fuzzy Probabilistic Neural Network Water Quality Evaluation Model and Its Application;
模糊概率神经网络水质评价模型及其应用
4) probabilistic neural network(PNN)
概率神经网络(PNN)
5) probability neural network
概率神经网络
1.
The diagnosis of misfire degree in engines based on probability neural network;
基于概率神经网络的发动机失火程度诊断
2.
Traffic condition recognition based on probability neural network
城市道路状况概率神经网络判别方法
6) probabilistic neural networks
概率神经网络
1.
Auto recognition of power quality disturbance based on probabilistic neural networks and double wavelet;
基于概率神经网络和双小波的电能质量扰动自动识别
2.
Application of Ambiguity Function Images and Probabilistic Neural Networksto Fault Diagnosis of Diesel Valve Train;
模糊函数图像与概率神经网络在柴油机气阀故障诊断中的应用
3.
According to transient property of ultrasonic signal,the discriminant pursuit method was proposed to extract local time-frequency features of defect signal and the features were fed to a probabilistic neural networks to classify the defects.
根据超声检测信号的瞬变特性,针对焊缝检测的缺陷分类问题,提出用判别追踪算法提取缺陷信号的局部时频判别特征,并结合概率神经网络实现了焊缝超声检测信号的缺陷分类。
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