1) attribute neural networks
属性神经网络
1.
Following the analysis of common model of neural networks and attribute theory and method, new attribute neural networks are proposed in this paper.
在分析了一般神经网络模型和属性论的基础上 ,提出了一种新的属性神经网络模型 ,它将数据信息保存在属性神经元和连接函数中 ,使学习过程变得简单和确定 ,并且绝对收敛 。
2) constructive neural network
构造性神经网络
3) Linear neural network
线性神经网络
1.
Application of linear neural network in calibration of accelerometer;
线性神经网络在加速度计静态模型标定的应用
2.
A Cointegration Analysis Based on Linear Neural Network;
基于线性神经网络的协整分析
3.
In this paper linear neural network was applied to adaptive noise cancellation technology,and the neural network was trained by least mean square (LMS) algorithm.
针对有源滤波器谐波检测实时精度高的要求,将线性神经网络应用于自适应噪声对消技术,采用最小均方(least mean square,LMS)误差算法对神经网络进行训练,通过线性神经网络实现的自适应格型滤波器,每个神经元对输入基波和谐波信号并行协同处理,对电网高次谐波分量进行滤波和预测,较常规滤波器有更好的实时性和鲁棒性。
4) elastic neural network
弹性神经网络
1.
A ANN(artificial neural network)--an elastic neural network is constructed by applying the identifying principle of neural network patterns, overcoming better the show convergence and local minimium occurring in BP neural network grads algorithm.
应用神经网络模式识别原理 ,构建一种人工神经网络 (ANN)———弹性神经网络 ,能较好地解决常用BP神经网络梯度算法中可能出现的收敛缓慢和局部最小问题 ,将模型应用于大红山铜矿缓倾斜中厚矿体采矿方法模糊优选 ,与用模糊数学法得出的结论基本一致。
5) seasonal artificial neural network
季节性神经网络
1.
The paper introduces a modified model of seasonal artificial neural network.
文中介绍了季节性神经网络建立的残差修正模型。
6) linear neural networks
线性神经网络
1.
This method used genetic algorithm optima linear neural networks firstly, then fitting the output of sensor consistency, also putting up a stopping-genetic evolution and adapting-variation methods.
该方法首先使用遗传算法优化线性神经网络的权值,再用神经网络对浓度传感器的输出特性进行拟合,提出遗传进化停滞算子与自适应变异方法,实验验证该方法的有效性。
2.
Firstly the basic principles of linear neural networks and Fourier transform are introduced;meanwhile computational method of linear neural network weights is given;secondly the steps of periodic signals decompositions is given on the basis of linear neural networks.
提出一种利用线性神经网络进行周期信号傅立叶变换的方法。
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