1) JNNS Japanese Neural Network Society
日本神经网络协会
2) synergetic neural network
协同神经网络
1.
Cluster learning algorithm of synergetic neural network;
协同神经网络聚类型学习算法
2.
This text solves the basic and important frequency estimate problem in communication by synergetic neural network.
利用协同神经网络解决通信中的频率估计问题,以卫星通信中去除多普勒频移为背景,研究对二进制相位键控(BPSK)信号的频偏估计。
3.
Due to the shortages of optimization algorithms available in synergetic neural network(SNN),an algorithm of parameters optimization on immunity clonal algorithm(ICA) was proposed here.
针对现有协同神经网络参数优化方法的不足,提出了一种基于免疫克隆算法的参数优化方法。
3) synergetic neural networks
协同神经网络
1.
An improved learning algorithm of synergetic neural networks is proposed after studying the synergetic gradient dynamics procession.
在研究协同神经网络梯度动力学过程的基础上,针对学习过程收敛速度缓慢的缺点,介绍了一种改进的基于梯度动力学的协同神经网络学习算法。
4) synergetic neural nets
协同神经网络
1.
This paper introduces the basic thought of synergetic neural nets and researchs yst application in pattern recognition technique, including dynamical model, nets structure and learning alogorithm.
本文介绍了协同神经网络的基本思想,重点研究了协同神经网络在模式识别技术中的应用题,包括动力学模型、网络结构及学习算法,同时与传统的Hopfield网络进行了比较。
2.
This paper introduces a new Artificial Neural Nets - Synergetic Neural Nets(SNN) raised by H.
本文介绍了Haken的协同神经网络(SNN)的设计思想,动力学模型,实现方法及网络学习, 并与传统的Hopfield网络作了简要的比较,仿真结果展示了SNN在模式识别中的优越性。
5) Lagrange constraint neural network
拉格朗日约束神经网络
1.
Results of the experiments show that Lagrange constraint neural network with sparse penalty has better r.
为了加强算法的稀疏性和稳定性,在SCAD基础上提出了一种新的稀疏惩罚函数,并加入到拉格朗日约束神经网络中,以克服传统盲源分离方法和独立分量分析方法的缺陷,有效地避免了方程的病态问题,提高盲目图像复原的稀疏性、稳定性和准确性。
6) neural cooperative network processor
神经网络协处理机
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