1) Quantitative self-organization neural networks
量化自组织神经网络
1.
Quantitative self-organization neural networks was developed by combining the advantages of BP neural networks and those of self-organization neural networks.
结合BP神经网络和自组织神经网络的优点,发展了量化自组织神经网络数学模型,该数学模型具有自组织神经网络的定性聚类功能和BP神经网络的定量分析功能,与BP神经网络相比较,量化自组织神经网络具有更好的鲁棒性,测试结果优于BP神经网络,该论文的研究为润滑油性能的快速检测提供了一种新的技术手段。
2) self-organizing neural network
自组织神经网络
1.
A study of some problems in pattern recognition by self-organizing neural network;
对自组织神经网络模式识别方法中若干问题的研究
2.
Combustion stability study based on statistic analysis and self-organizing neural network;
基于统计分析和自组织神经网络的燃烧稳定性研究
3.
Improved dynamical binary-tree based self-organizing neural network algorithm;
一种改进的动态二叉树的自组织神经网络算法
3) self-organized neural network
自组织神经网络
1.
Using self-organized neural network in CRM;
自组织神经网络在CRM中的应用
2.
In this paper,an aggregation method is presented,in which the multi induction motors are classified into different types using the self-organized neural network and each type of motor is aggregated with a new steady state model equivalence method.
文中提出一种基于自组织神经网络对电动机进行分类、并针对同一类型的电动机采用稳态模型进行等值的聚合方法。
3.
It is prove that the Self-organized neural network based on Rough Set perform better both in learning and pattern recognition.
自组织神经网络在学习过程中采取竞争机制选取最优匹配神经元获胜,然而实际情况可能有一组神经元都非常匹配输入向量。
4) SOM
自组织神经网络
1.
The SVV algorithm is based on support vector machine(SVM) and self-organizing mapping(SOM).
该算法是在无监督的自组织神经网络(SOM)的可视化功能的基础上,结合监督学习的支持向量机(SVM)的二分类算法,得到能够直观地显示高维数据、二分类数据分类边界以及数据与分类边界距离的二维映射图,提高了分类结果的可解释性。
2.
According to these limitations,this paper presents an automated pattern classification method of Self-Organizing Map Neural Network(SOMNN) combining with Generalized Regression Neural Network(GRNN).
针对这些缺陷,提出一种非监督自组织神经网络(SOMNN)和监督的广义回归网络(GRNN)结合的全自动模式分类新方法。
3.
Self Organizing Feature Maps(SOM)has been used as a tool for data clustering and dimensionality reduction.
作为一种优良的聚类和降维工具,自组织神经网络SOM(SelfOrganizingFeatureMaps)已经得到广泛应用。
5) self-organizing neural networks
自组织神经网络
1.
According to the basic principle of the self-organizing neural networks, combining the 55 slopes data to be the example, applying the matlab, this paper built up the neural network of the processing model of slope s factors classification, and made use of the model to classify different slopes.
文章根据自组织神经网络的基本原理,结合55个边坡实例,应用matlab进行编程,建立了边坡影响因素分类处理的神经网络模型,并运用该模型对不同的边坡进行了分类,分类结果提高了神经网络的边坡指标数据的学习效率,从而证明了自组织神经网络对提高用于预测边坡稳定性神经网络性能的有效性。
2.
A speech recognition method, which is based on self-organizing neural networks is presented.
建立了一种基于自组织神经网络的语音识别系统。
3.
It is based on wavelet transform and LPC method to extract the character of speech signal and the Self-Organizing Neural Networks(NN).
该文设计并实现了一种基于小波变换和线性预测的语音信号特征提取方法 (DWT -LPC)和自组织神经网络的与文本有关的说话人识别系统。
6) self-organization neural network
自组织神经网络
1.
The paper introduces a method to identify the log curve shape using self-organization neural network.
这里介绍一种利用自组织神经网络识别曲线形态的方法。
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