1) NARX neural networks
NARX回归神经网络
1.
When NARX neural networks are used in nonlinear adaptive inverse control, three parameters for archetecture of each network are chosen: the order of input and output delay, the number of hidden nodes.
根据生物神经元的机能,提出了一种具有动态激励函数的新型神经元模型,由此构成的神经网络(DAFNN)应用在非线性自适应逆控制中时只需要确定隐层神经元个数,从而克服了用NARX回归神经网络时需确定输入和输出延时阶数及隐层神经元个数等多个参数的不足。
2) NARX neural network
NARX神经网络
1.
The NARX neural network was presented to identify the system with the improved LM algorithm to train the network,and the essential elements were discussed for choosing the network architecture in high pressure responses.
提出以NARX神经网络建立其系统模型,以改进的LM算法进行网络权值训练,论述了传感器在高冲击响应中网络结构的选取要素,并对模型输出与实际输出进行了仿真实验,结果表明:两者吻合的非常好。
2.
In this study,by fusing the MODIS and VEGETATION products,time series LAI were used to construct recurrent neural networks,namely the NARX neural network,for six typical vegetation types.
通过融合MODIS和VEGETATION两种传感器产品,在利用相同植被类型的LAI时间序列来建立自回归神经网络,即NARX神经网络的同时,引入红、近红外和短波红外3个波段上时间序列的反射率以及相应的太阳天顶角、观测天顶角和相对方位角作为NARX神经网络的外部输入变量,并最终达到估算时间序列LAI的目的。
3.
An on-line learning algorithm of a NARX neural network was described in detail.
利用NARX神经网络对非线性动态系统在线辨识的仿真实例也表明了本算法的有效性。
3) Elman recurrent neural network
Elman回归神经网络
1.
Simultaneous determination of CuⅡ,NiⅡ,CrⅢ three-components mixture by Elman recurrent neural network in absorption spectra;
吸收光谱Elman回归神经网络同时测定CuⅡ,NiⅡ,CrⅢ3组分混合物
2.
Elman recurrent neural network ( ERNN) was applied to study the simultaneous quantitative analysis of seriously overlapped spectra of a p-nitrophenol, o-nitrophenol and 2,4-dinitrophenol system.
应用Elman回归神经网络(ERNN)对光谱严重重叠的对硝基苯酚,邻硝基苯酚和2,4二硝基苯酚体系的同时定量测定进行了研究,并与多变量线性回归(MLR)法作了比较。
3.
Elman recurrent neural network(Elman RNN)was applied to study the simultaneous quantitative analysis of overlapping UV spectra.
应用Elman回归神经网络对同时定量分析紫外重叠光谱进行了研究。
4) recurrent neural networks
回归神经网络
1.
Identification of nonlinear time varying systems based on recurrent neural networks;
基于回归神经网络的非线性时变系统辨识
2.
When its variance is bigger, a recurrent neural networks forecasting model is built.
采用小波变换对日负荷数据进行分解处理 ,使得数据信息相对集中 ,在此基础上将小波分量分解为受气象因素影响的部分与不受气象因素影响的部分之和 ,对受气象因素影响的部分采用回归方法建立气象因素影响模型 ;对不受气象因素影响的部分 ,幅值大的分量建立回归神经网络预测模型 ,进行重点预测 ,而对幅值小的分量建立线形ARMA(p ,q)模型。
3.
The algorithm of identifying was researched based on inner state feedback of recurrent neural networks.
建立了一种回归神经网络辩识非线性电液伺服控制系统数学模型的辩识方法,研究了基于回归神经网络内部状态反馈的辩识算法,利用辩识实验获得的过程输入/输出数据动态调整神经网络权值。
5) recurrent neural network
回归神经网络
1.
Design of freeway ramp controller based on recurrent neural network;
高速公路匝道回归神经网络控制器的设计
2.
Research and Applications of Evolving Recurrent Neural Networks;
进化回归神经网络的研究及应用
3.
ESA with parameter-varying sliding mode and ESA based on annealing recurrent neural network et al is researched in detail.
回顾了极值搜索算法的发展历程,分析了单变量和多变量极值搜索算法、滑模极值搜索算法、斜率搜索算法等算法的优缺点,着重描述了变参数滑模极值搜索算法和退火回归神经网络极值搜索算法等,并且通过重构系统的损失函数方法将极值搜索算法的应用推广至一般系统,拓展了其应用范围。
6) Diagonal recurrent neural network(DRNN)
回归神经网络(DRNN)
1.
Conventional PID controller which is tuned at typical operating point can hardly work well at different unit load,so that a two input two output PID controller structure based on Diagonal Recurrent Neural Network(DRNN) is proposed,besides,the learning algorithms of the parameters of DRNN and PID controller are proposed.
固定参数PID控制难以适应此系统控制要求,因此,提出一种基于回归神经网络(DRNN)的两输入两输出PID控制器结构,给出DRNN神经网络参数学习算法,并给出PID控制器参数整定算法。
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