2) computational neuroscience
计算神经科学
1.
From the view of cognitive computational neuroscience, a direct information representation method is presented based on neural system dynamics and graphic theory.
根据认知的计算神经科学的观点,提出了一种基于神经系统动力学理论和连通图的信息的直接表达方式。
3) neurocomputing science
神经计算科学
4) Neural Computational Mechanics
神经计算力学
1.
Numerical Analysis about Strain-Softening and Research of Neural Computational Mechanics in Mechanics Simulation;
力学仿真中的应变软化问题数模分析与神经计算力学研究
5) neural computing
神经计算
1.
Application of distributed supercomputing in neural computing platform;
分布式超级计算在神经计算平台上的应用
2.
In oil and water layer identification,using neural computing has disadvantages including complex network structure and long training time caused by large input information space dimension,and low matching accuracy of network caused by redundant attribute.
在油水层识别中,单纯使用神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,为此基于属性约简和最优化原理提出一种简化的神经计算方法,主要包括基于粗糙集的样本属性约简算法,基于LM方法的稳定学习算法,以及基于黄金分割的隐含层节点数确定的优化算法等。
3.
It is not only helpful for scientists to investigate machine learning and neural computing but also helpful for common engineers to solve real world problems using neural network techniques.
它不仅有助于科学家对机器学习和神经计算的深入研究 ,还有助于普通工程技术人员利用神经网络技术来解决真实世界中的问题 。
6) Neural calculation
神经计算
1.
Introduces a new method for calculating air conditioning loads—neural calculation method, and depicts its concept, theory and procedure.
提出了一种新的空调负荷计算方法———空调负荷神经计算法，介绍了其概念、原理及方法。
补充资料：神经计算机
神经计算机
neural computer
的偏差来调节连接权值，称为占学习律: △w。二，占矶;a=勺一vj 在已有的各种学习算法中，特别值得一提的是反传算法，或称BP算法。它是为解决多层ANN中隐单元层的训练问题而提出的。BP算法的基本设计思想是:先从输人开始，经过各中间隐单元层逐层计算其输出，直到算出最终输出，并与目标输出比较，得出偏差。然后把这一偏差反传给输出单元的前一层隐单元层，据此调整其与输出单元间的连接权值，再继续反传、调整，直到输人单元层。接着开始第二轮前向计算输出及最终输出偏差，反传、调整各隐单元层连接权值，如此继续，直到计算输出与目标输出的偏差减小到不超过允许偏差为止。在上述最基本的学习律的基础上，或者结合不同的ANN结构特点或特定功能要求，或者为了避免ANN系统陷人局部极小的非全局稳定态，或者为了加速收敛、缩短学习训练时间，或者为了改进学习或记忆的品质等，已提出了不少各有特点的算法，而且新的改进算法还在不断提出。 神经处理器 由上述可知，神经计算实质上是ANN在经过学习或训练后所表现出来的对输人信息的适应性反应。但是，ANN毕竟是生物神经网络的高度简化模型。无论是数量上还是品质上都远远比不上生物神经网络，尤其是无法与人脑神经系统相比拟。通常是针对某一特定问题设计一个ANN并加以训练后，用于求解该特定问题。在可预见的将来，神经处理器还不具备像符号处理器那样的灵活性和通用性。比较现实的研究开发途径是把神经处理器作为协处理器，在计算机系统或控制系统中发挥其特殊作用。 神经处理器可有多种实现技术。主要有以下3种: (l)计算机仿真通过编程，在通用计算机上实现某种学习算法(例如BP算法)来建立并训练一个“软”神经网络。已经有不少商品化的神经网络仿真工具可在高档微型计算机或工作站上运行。 (2)超大规模集成电路(、任另l)专用并行处理器 训练ANN时所要进行的数学运算主要是连接权值调节量和各单元多路输人信号量的矩阵乘、加计算，而且相对独立的单元及其连接可以并行处理。已经研究开发了多种专门用于仿真ANN的并行处理的、飞51多处理器器件。用这样的器件组成专用协处理器将显著加速“软”神经网络的学习速度，缩短其训练时间。 (3)线性专用集成电路器件直接把由如图1(b)所示的电子神经元模拟线路组成的ANN制作成专用集成电路。
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