1) dynamic fuzzy-neural network
动态糊神经网络
2) Dynamic Fuzzy Neural Networks
动态模糊神经神经网络
3) DFNN
动态模糊神经网络
1.
An improvement for dynamic fuzzy neural network (DFNN) was presented to avoid its running into the local extreme.
针对动态模糊神经网络(DFNN)在进行预测应用时容易陷入"局部极值"的缺陷,提出一种改进方案。
2.
A DFNN(Dynamic Fuzzy Neural Network) is constructed by introducing recursion segment into the fuzzy neural network,which is trained using genetic a.
在模糊神经网络内部引入递归环节,构成了动态模糊神经网络DFNN(DynamicFuzzyNeuralNetwork),并采用具有全局寻优能力的遗传算法训练网络,克服了单纯BP算法易陷入局部最优解的缺点。
4) dynamic fuzzy neural network
动态模糊神经网络
1.
Intrusion detection system based on dynamic fuzzy neural network;
基于动态模糊神经网络的入侵检测系统
2.
To overcome the limitation of static fuzzy neural network model for dam deformation prediction,the dynamic fuzzy neural network approach is proposed.
实例表明动态模糊神经网络方法是可行的,可实现持久预报,具有较强的适应能力和较高的预报精度,可应用于在线实时变形预报及相关领域。
3.
With regard to the characteristics of flight data,a new identification method of flight data model based on dynamic fuzzy neural network is presented.
针对飞行数据的特点,提出了一种基于动态模糊神经网络(DFNN)的飞行数据模型辨识方法。
5) dynamic fuzzy neural network(DFNN)
动态模糊神经网络
1.
A new dynamic fuzzy neural network(DFNN) was proposed based on neural network and fuzzy engineering according to the mathematical expression of cost estimation.
针对在产品方案设计阶段成本估算信息少且颗粒度大的问题,结合神经网络和模糊工程技术提出了动态模糊神经网络(DFNN),采用模糊推理的信息处理方法,在学习过程中隐层层数及维数根据规则不断变化,神经网络结构呈现动态。
6) dynamic recurrent fuzzy neural network
动态递归模糊神经网络
1.
A novel dynamic recurrent fuzzy neural network is presented in this paper, and its dynamic back propagation algorithm is formulated according its mathematic models.
提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导出其动态反向传播学习算法,仿真结果表明对于动态系统的辨识,动态递归模糊神经网络较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果。
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