1) back propagation neural network model
反馈神经网络模型
2) Elman radial neural network
Elman型反馈神经网络
1.
The paper utilized the Elman radial neural network(RNN) to forecast and diagnose process quality so as to overcome the shortcomings of function neural network(FNN).
利用Elman型反馈神经网络对过程质量进行预测和诊断以克服前向型神经网络的缺陷,同时针对目前预测与诊断相分离的现象提出将两者相结合以实现质量的实时控制。
3) BP NN
前向反馈型神经网络
4) recurrent neural networks
反馈神经网络
1.
An alternative dynamic data rectification method based on recurrent neural networks(RNN)was studied in detail.
对基于反馈神经网络的化工过程动态数据校正方法进行了研究,实现了自反馈增益的网络结构和动态反向传播算法。
2.
The method of recurrent neural networks approximation is used in nonlinear discrete_time systems.
对反馈神经网络近似非线性离散系统的能力进行了扩展研究 ,针对于更普遍的非线性时变离散系统 ,证明了它们在有限时间段内的输出轨迹可以被反馈神经网络输出神经元的状态向量近似到任何程度。
3.
Starting from the universal approximation theorem of multilayered feed forward neural networks,this paper proves that the finite time trajectory of nonlinear continuous time system with input can be approximated by the state vector of the output units of a class of recurrent neural networks.
本文从多层前馈神经网络的一般近似定理出发 ,证明了带有输入的非线性连续系统在有限时间段内的输出轨迹可以被一类反馈神经网络输出神经元的状态向量近似到任何程度 。
5) recurrent neural network
反馈神经网络
1.
Study of recurrent neural network based on kernel independent component analysis and its application;
核特征抽取的反馈神经网络的探索及应用
2.
Exponential stability and existence of periodic solutions for a class of recurrent neural networks with delays;
时滞反馈神经网络模型的周期解的存在性和全局稳定性(英文)
3.
According to the research of the recurrent neural network control method application to aeroengines,the system based on recurrent network is built.
根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。
6) feedback neural network
反馈神经网络
1.
Effects of the learning algorithm on the faulty behavior of feedback neural networks;
学习算法对反馈神经网络故障性能的影响
2.
Method of anomaly detection based on feedback neural network;
一种基于反馈神经网络的异常检测方法
3.
Image Blind Separation Based on Feedback Neural Network;
基于反馈神经网络的图像盲分离
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