1) Competed artificial neural network
竞争型神经网络
1.
Based on this , a competed artificial neural network technology are described and applied to construct the Mandarin prosodic model in TTS system.
在汉语TTS系统韵律模型中改善文本处理能力可提高汉语语音合成系统的语音输出质量,针对上述问题,本文提出了竞争型神经网络在汉语TTS(TEXT TO SPEECH)韵律建模中的应用,通过输入多个不同韵律特征的模板样本的竞争,最终选择与自然语音最匹配的那个样本模板,听辨的结果证明,竞争型神经网络模型合成语音的自然度得到进一步的提高。
3) Competitive Neural Networks
竞争神经网络
1.
Global exponential stability of competitive neural networks with different time-scales;
时滞竞争神经网络的全局指数稳定性
2.
Existence and uniqueness of an almost periodic solution for competitive neural networks with distributed delays and different time-scales;
具有不同时间尺度的分布时滞竞争神经网络概周期解
3.
Existence and global exponential convergence of almost periodic solution for competitive neural networks with varying time-delays and different time-scales;
具有不同时间尺度的变时滞竞争神经网络概周期解的存在性和全局指数收敛性
4) competitive neural network
竞争神经网络
1.
Global exponential stability analysis of the competitive neural networks;
一类竞争神经网络的全局指数稳定性分析
2.
A New Method Based on Competitive Neural Network about the Traditional Chinese Medicine Intelligent Diagnosis and Inference;
基于竞争神经网络的中医智能诊断推理新方法
3.
Application and Research of Fuzzy Competitive Neural Network to Tongue Diagnosis of Traditional Chinese Medicine;
模糊竞争神经网络在中医舌诊中的应用研究
6) Competitive Layer Neural Network (CLNN)
竞争层神经网络
1.
An image contour grouping algorithm based on Competitive Layer Neural Network (CLNN) was proposed.
提出了一种基于竞争层神经网络(CLNN)的新型图像轮廓线分组算法。
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