1) Boolean neural network(BNN)
布尔神经网络(BNN)
2) Boolean neural network
布尔神经网络
1.
The k-nearest neighbor classifier based on Boolean neural network has the better features of tolerance, learning and robustness.
基于布尔神经网络的ｋ－最近邻分类器具有较强的容错性、学习性和鲁棒性。
3) distributed neural network
分布式神经网络
1.
Improved predictions can be obtained by using distributed neural networks (DNNs) instead of an individual better network as usual.
采用基于递推预报误差算法的分布式神经网络结构建立非线性系统模型 。
2.
Aimed at improving generalization, the predictive model of coke quality based on distributed neural network was proposed, which composed of self-organizing maps (SOM) and radial basis function (RBF).
针对此问题,提出了基于分布式神经网络的焦炭质量预测模型,给出了基于粗划分的自组织网络初始权值选取方法,通过对基于遗传算法-反向传播人工神经网络的预测模型(GA-BP)和基于自组织映射网络-径向基函数的分布式神经网络(SOM-RBF)的预测模型比较,发现后者比前者的预测精度高且稳定,完全满足现场要求。
4) distributed multi-subnet neural networks
分布式多子网神经网络
1.
Based on the feature of the sensitivity detection of catalytic sensor to inflammble different gas,single catalytic sensor is used to analyze mixed-inflammable gases with unknown components by distributed multi-subnet neural networks in different electric field.
根据催化传感器在不同的电场条件下具有不同气体检测灵敏度的特点,介绍了采用单一的热催化传感器在不同的电场强度下,通过分布式多子网神经网络对含未知气体的可燃混合气体进行分析的新方法。
5) Boolean network
布尔网络
1.
Bayesian network and Boolean network are powerful tools to genetic networks research.
布尔网络模型和贝叶斯网络模型都是研究基因调控网络的有力工具。
2.
The purpose of cell library binding is to implement the logic functions of a group of Boolean networks by using some library cells.
它的目标是 :通过特定的方法 ,把一组布尔网络表述的逻辑功能用具体的库单元实现。
6) boolean networks
布尔网络
1.
The Model of Boolean Networks and Applications in Complex System;
复杂系统布尔网络模型及应用
2.
In this paper making use of Boolean logic algebra and logic circuit networks find dynamics transition of genetic regulatory from genetic regulatory boolean networks.
利用熵互信息理论对基因表达进行处理,构建基因调控布尔网络。
3.
Random Boolean Networks (RBNs) have been playing important role in modeling, analysis and control for complex dynamic networks in real world.
随机布尔网络是对复杂的动态网络系统进行建模、分析和控制的重要工具,而小世界特性是实际网络系统中普遍存在的拓扑连接形式。
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