1) complex-valued functional network
复值泛函网络
1.
A kind of separable complex-valued functional network model is proposed,a fully complex separable functional network structure that yields a simplified complex-valued back-propagation algorithm is presented.
与神经网络不同,它处理的只是一般的实值泛函模型,针对该问题,将实值泛函神经元推广到复值泛函神经元,再对复值泛函神经元的结构作了变形,提出了一种复值泛函网络新模型,给出了基于梯度下降法的复值可分离泛函网络学习算法。
2) Function network
泛函网络
1.
In this paper, a kind of function networks with single input and single output and function network with double inputs and single output as basis functional network model is designed, and a new hierarchical functional network is presented.
文中设计了一类单输入单输出泛函网络与双输入单输出泛函网络作为构造层次泛函网络基本模型,提出了一种层次泛函网络模型,给出了层次泛函网络构造方法和整体学习算法,而层次泛函网络的参数利用解方程组来进行逐层学习。
3) functional network
泛函网络
1.
Construct theory of hierarchical functional networks and its application in multiple numerical integral;
层次泛函网络构造理论及其在多重数值积分中的应用
2.
In this paper,by analyzing the functional network,a new model and learning algorithm of the serial functional networks is proposed.
通过对泛函网络的分析,提出了一种序列泛函网络模型及学习算法,而网络的泛函参数利用梯度下降法来进行学习。
3.
Functional network is a recently introduced extension of neural networks.
泛函网络是最近提出的一种对神经网络的有效推广。
4) Functional networks
泛函网络
1.
Non-linear regression forecast model based on functional networks and learning algorithm;
基于泛函网络的非线性回归预测模型及学习算法
2.
Theory and learning algorithm of multi-dimensional functionapproximation based on functional networks;
基于泛函网络的多维函数逼近理论及学习算法
3.
Research on functional networks of flexible coordinate measuring machine modeling
柔性坐标测量机建模的泛函网络研究
5) Fuzzy functional network
Fuzzy泛函网络
6) Functional Link Artificial Neural Network
泛函连接网络
1.
Functional Link Artificial Neural Networks and agri-biodiversity analysis;
泛函连接网络计算软件及其在生物多样性研究中的应用
补充资料：Марков过程的泛函
Марков过程的泛函
functional of a Markov process
M仰助“过程的泛函【加犯份班司健a扮如d如vpr以犯岛;中y业，o.a月oT Map二招e.o np()朋eCea] 一个以可测方式依赖于MaPKo.过程轨道的随机变量或随机函数，其可测性条件随具体情况而定.在MaP盆oB过程的一般理论中，采用以下的泛函定义.假设给定一个具有时间推移算子氏的非停止齐次M叩-Ko。过程(M田玉ov plx兀启弥)X二(xr，风，氏)，其相空间为可测空间(In纷s幽 blespaCe)LE，少)，设才是基本事件空间中包含每个形如{。:x，“B}(t)0，B任分)的事件的最小。代数，/’是对于所有可能的测度Px(x‘E)关于/’的完全化的交.如果对于每个t)O，7，关于。代数才门不是可测的，那么，称随机函数叭(‘)0)为Ma伴oB尽捍X的攀甲(丘功d沁n目of此MaJ改ov Pnx君邓)· 人们特别关心的是M川阵..过程的乘性和加性泛函.它们分别润足条件下，十:，下;疏凡和，，十，，，，+氏大，s，亡》0.这里假定，，在【0，co)上是右连续的(代替这些条件，有时只假定对所有固定的s，t)O，这些条件关于P:几乎处处成立).在停止和非齐次过程的情形下，采用类似的方式来定义.MaPI..过程x‘(x，，心，不，P)的加性泛函的例子可以通过以下方式得到:设对于t<‘，，，等于f(x，)一f(x。)，或北f(气)d:，或随机函数f(x，)在:。10，，]中跳跃值的和，这里f(x)是有界并且关于岁可侧的函数(第二和第三个例子只在某些附加限制下有效).从任意加性泛函，.，可以得到乘性泛函以py，.在标准MaP-血过程的情况下，设t
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