1) discrete Taylor series
离散泰勒级数
1.
A kind of new typed CMAC neural network——DTS-CMAC, which could achieve arbitrary ordered approach, has been put forward based on discrete Taylor series, and the interpolation algorithm and training rule of that system has been discussed.
基于离散泰勒级数提出一种对多维函数可实现任意阶逼近的新型CMAC神经网络———DTS CMAC ,详细讨论了该系统的插值算法、训练规则 ,与传统CMAC相比 ,DTS CMAC具有学习精度高、学习速度快及占用存储单元少等优点。
2.
This paper proposes a novel highorder associative memory system based on the Discrete Taylor Series(DTSAMS),which includes the interpolation algorithm and training algorithm.
基于离散泰勒级数提出一种对任意阶多维函数可实现无差逼近的新型联想记忆系统,详细讨论了该系统的插值算法、训练规则及寻址机制。
2) Taylor series
泰勒级数
1.
Sensitivity of N-1 system fast correction calculation based on Taylor series;
基于泰勒级数的N-1网络快速灵敏度修正计算
2.
Iterative learning control algorithm based on Taylor series;
基于泰勒级数的迭代学习算法
3.
The growth of zero order Taylor series in the unit circle;
单位圆内零级泰勒级数的增长性
4) Tailor series
泰勒级数
1.
Based on the knowledge of Tailor series in maths and the numerical value integration and the knowledge of user defined function (UDF) in Foxbase+, this al ticle offers a program of UDF to calculate the triangle function and reverse triangle function, thus solving the calculating problems of triangle function in Foxbase +.
利用数学中的泰勒级数、数值积分等知识和Foxbase+提供的自定义函数功能，设计出了计算三角函数和反三角函数的自定义函数程序，解决了Focbase+中三角函数的计算问题。
6) Taylor series method
泰勒级数法
1.
According to the discussion of approximate computation model about Taylor series method and Newton tangent method,the approximate solution of Newton tangent method is improved .
在讨论近似计算模型泰勒级数法和牛顿切线法的基础上,改进了牛顿切线法求近似值的方法,并给出了具体问题的解决过程。
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
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