1) self-evolution neural network
自发展神经网络
1.
Theoretical analysis and simulation results show that when the appropriate values of control parameters and weight matrix for the self-evolution neural network are determined,chaotic phenomena occurs.
自发展神经网络是一种能够模拟人脑自发展行为的新型人工神经网络模型,为了研究其动态发展行为,在介绍了该网络模型的工作原理后,对单个自发展神经元和自发展神经网络的混沌特性进行了重点分析。
2) self-organizing neural network
自组织神经网络
1.
A study of some problems in pattern recognition by self-organizing neural network;
对自组织神经网络模式识别方法中若干问题的研究
2.
Combustion stability study based on statistic analysis and self-organizing neural network;
基于统计分析和自组织神经网络的燃烧稳定性研究
3.
Improved dynamical binary-tree based self-organizing neural network algorithm;
一种改进的动态二叉树的自组织神经网络算法
3) self-adapting neural network
自适应神经网络
1.
The present article intends to introduce a new approach to solving the problem in determining the remnant methane quantity in fallen coals by means of self-adapting neural network.
基于此 ,作者提出自适应神经网络的落煤残存瓦斯量预测模型 ,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。
4) adaptive neural network
自适应神经网络
1.
Fuzzy tracking control for fighter based on adaptive neural network;
基于自适应神经网络的歼击机模糊跟踪控制
2.
Direct adaptive neural network control for uncertain nonlinear system with disturbance;
不确定非线性系统的直接自适应神经网络控制
3.
Robust H_∞ control for a class of uncertain nonlinear systems based on adaptive neural networks;
基于自适应神经网络的一类不确定非线性系统的鲁棒H_∞控制
5) auto-associative neural network(AANN)
自关联神经网络
6) self-organized neural network
自组织神经网络
1.
Using self-organized neural network in CRM;
自组织神经网络在CRM中的应用
2.
In this paper,an aggregation method is presented,in which the multi induction motors are classified into different types using the self-organized neural network and each type of motor is aggregated with a new steady state model equivalence method.
文中提出一种基于自组织神经网络对电动机进行分类、并针对同一类型的电动机采用稳态模型进行等值的聚合方法。
3.
It is prove that the Self-organized neural network based on Rough Set perform better both in learning and pattern recognition.
自组织神经网络在学习过程中采取竞争机制选取最优匹配神经元获胜,然而实际情况可能有一组神经元都非常匹配输入向量。
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