1) generalized stochastic neural networks
广义随机神经网络
2) general stochastic neural network
广义随机模糊神经网络
1.
A general stochastic neural network(GFSNN),which membership functions are general Gaussian functions and are adaptable,is proposed to predict chaotic time series,and the model s structure and parameters are optimized by the algorithms of GA-Annealing strategy and are applied to forecast stochastic chaotic time series.
针对随机模糊神经网络缺乏自适应性,引入广义高斯函数和广义随机模糊神经网络,使系统中隶属函数具有自适应性;并对参数进行遗传退火算法优化,使系统具有最佳结构和参数。
3) generalized neural networks
广义神经网络
1.
New sufficient conditions of globally exponential stability of generalized neural networks with time delays were presented by using Liapunov algorithm,linear matrix inequality and integral inequality.
对于具有时滞的广义神经网络,利用Liapunov函数方法、线性矩阵不等式以及积分不等式等技巧,给出了该神经网络模型的平衡点的存在性、惟一性以及全局指数稳定的一些充分条件。
4) general regression neural network
广义神经网络
1.
A kind of smoothing factor,which optimizes general regression neural network (GRNN) by improved particle swarm optimization (PSO),is put forward and a method to forecast system marginal price by GRNN with optimized parameters is proposed.
提出了一种利用改进粒子群算法优化广义神经网络的平滑因子,并采用优化后的网络预测系统边际价格的方法,该方法克服了利用梯度下降法优化平滑因子时易陷入局部极值点以及利用遗传算法优化平滑因子时收敛速度慢等缺点。
5) generalized neural network
广义神经网络
1.
Research of generalized neural network and it′s application to traffic flow prediction;
广义神经网络的研究及其在交通流预测中的应用
2.
Grid parallel computation of online traffic status prediction using generalized neural network
在线广义神经网络交通状态预测的网格并行算法
6) Generalized CMAC Neural Network
广义CMAC神经网络
1.
Generalized CMAC Neural Network and Its Application in Air-Fuel Ratio Control;
广义CMAC神经网络及在空燃比控制中的应用
补充资料：广义随机过程
广义随机过程
stodiastic process, generalized
广义随机过程[功司脑团cp找兀曰污，罗班”血团;c职咖‘益npo”ecc 0606川eH““.」 一种连续(时间)参数t的随机过程(stocl班ticpnx℃骆)X，一般地说，在固定时刻它的值不存在，而过程只具有“光滑值”，它是用一切可能的具有充分光滑的权函数(或脉冲转移函数)，(t)的线性测量装置测量的结果值X(中)来描述的.一个广义随机过程X(印)是由具紧支撑的无穷次可微的函数价的空间D(或在广义函数论中使用的任一其他检验函数空间)到定义在某一概率空间上的随机变量空间L。的映射.它的实现x(举)是通常的自变量为t的广义函数.通常的随机过程X(t)也可以看作广义随机过程，对于它 X(，)一了，(:)、(亡)己。.与下述事实相结合，这一点特别有用:广义随机过程总具有用 X(”)(职)=(一1)”x(职(”))定义的任意n阶导数(例如，见平稳增最随机过程(slocllasticp~俪t】1 sta加lu卿ineren屹nts)).非古典类型的广义随机过程的最重要的例子是白噪声(whitenoise).广义随机过程概念的推广是广义随机场. :参考文献见广义随机场(random field，genera-lj狱」).A.M.分JI、撰
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