1) high order neural networds
高次神经网络
2) higher-order neural networks
高阶神经网络
1.
Study on learning algorithm in higher-order neural networks model;
高阶神经网络模型中的学习算法研究
2.
The function approximation capabilities of first-order neural networks have been investigated rigorously, but few related works about higher-order neural networks have been reported.
一阶神经网络的函数逼近理论虽已研究得相当深入,但对高阶神经网络在这方面的研究却报道甚少。
4) high-order neural network
高阶神经网络
1.
This study focused on high-order neural network technology in data fusion technology.
文中以数据融合技术中的高阶神经网络技术的研究为主,通过对交通路网的分析,建立模型,准确地预测交通有关数据信息。
2.
The paper studies the existence and global exponential convergence of alomost periodic solutions for high-order neural networks involving variable delay by applying the theory of fixed point and differential inequality technique,some new criteria on the existence and global exponential convergence of almost periodic solutions are obtained.
利用不动点理论和微分不等式分析等技巧,研究了变时滞高阶神经网络概周期解存在性与全局指数收敛性,并且给出了一些新的判别准则。
3.
The high-order neural network is an important branch in artificial neuralnetwork researches.
高阶神经网络灶神经网络研究的一个重要分支。
5) high order neural networks
高阶神经网络
1.
A new method is presented in this paper for fitting VFC*ss (voltage to frequency converter) output functions by using high order neural networks.
提出了一种利用高阶神经网络拟合ＶＦ型ＡＤＣ输出特性的新方法，实现了ＶＦＣ１１０芯片在４ＭＨｚ满量程时的非线性估计。
2.
A new design method using high order neural networks to approach interconnected system aiming at a class of nonlinear composite system is presented.
针对一类非线性组合大系统 ,提出一种用高阶神经网络逼近互联大系统的新型设计方法。
6) Higher-order CMAC neural network
高阶CMAC神经网络
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