1) central limit theorem / multilayerneural network
中心极限定理/多层神经网络
2) multivariate central limit theorem
多元中心极限定理
3) multilayer neural network
多层神经网络
1.
Study on BP Algorithm Used in Multilayer Neural Networks;
多层神经网络学习算法的研究
2.
In this paper, the nonlinear mapping capability of multilayer neural networks is studied.
研究了多层神经网络的非线性映射能力，给出了多层网络可一致逼近有限维空间Ｒｎ紧集上的连续函数、无穷维函数空间紧集上的连续泛函和连续算子的理论证明。
3.
The valid algorithm for multilayer neural network based on the entirety pattern is proposed in this paper.
提出了基于整体模式的多层神经网络的有效训练算法，给出了偏导矩阵的速推算法，由此导出多层神经网络的并行训练算法。
5) multilayer neural networks
多层神经元网络
1.
This paper develops a novel multilayer neural networks based on adaptive streamflow forecast technique for complicated nonlinear water systems, and the forecast mechanism using multilayer neural networks is analyized.
针对水文系统的非线性特性，提出了一种基于多层神经元网络的自适应径流预报模型，并对其预报机理进行了分析。
6) multilayered neural networks
多层神经网络
1.
This paper discusses the use of recursive prediction error algorithm of training multilayered neural networks for discrete time non-linear system identification.
本文针对多层神经网络结构，运用递推预报误差（ＲＰＥ）算法对离散非线性系统进行辨识研究。
补充资料：中心极限定理
| 中心极限定理 central limit theorem 概率论中讨论随机变量序列部分和的分布渐近于正态分布的一类定理。概率论中最重要的一类定理，有广泛的实际应用背景。在自然界与生产中，一些现象受到许多相互独立的随机因素的影响，如果每个因素所产生的影响都很微小时，总的影响可以看作是服从正态分布的。中心极限定理就是从数学上证明了这一现象 。最早 的中心极限定理是讨论n重伯努利试验中，事件A出现的次数渐近于正态分布的问题。1716年前后，A.棣莫弗对n重伯努利试验中每次试验事件A出现的概率为1／2的情况进行了讨论，随后，P.-S.拉普拉斯和A.M.李亚普诺夫等进行了推广和改进。自P.莱维在1919～1925年系统地建立了特征函数理论起，中心极限定理的研究得到了很快的发展，先后产生了普遍极限定理和局部极限定理等。极限定理是概率论的重要内容，也是数理统计学的基石之一，其理论成果也比较完美。长期以来，对于极限定理的研究所形成的概率论分析方法，影响着概率论的发展。同时新的极限理论问题也在实际中不断产生。 |
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