1) feedback process neural networks
反馈过程神经元网络
1.
To solve the classification of dynamic signal,this paper proposed a feedback process neural networks model and classification methods based on this model.
针对动态信号模式分类问题,提出了一种反馈过程神经元网络模型和基于该模型的分类方法。
2) Feedback process neural network
反馈过程神经网络
1.
Feedback process neural network with time-varying input and output functions and its applications;
具有时变输入输出函数的反馈过程神经网络及应用
3) process neural networks
过程神经元网络
1.
A process neural networks model and its application to dynamic forecasting;
一种过程神经元网络模型及其在动态预测中的应用
2.
Process neural networks with time-varying inputs and outputs and learning algorithm;
一种时变输入输出过程神经元网络及学习算法研究
3.
Aimed at the problems of the time-varying information processing and the dynamic system modeling, two kinds of process neural network models,including the rational formula process neural networks and the process neural networks with time-varying inputs and outputs function,were built in this paper.
针对时变信息处理和动态系统建模等类问题,建立了输入输出均为时变函数的过程神经元网络和有理式过程神经元网络2种网络模型。
4) process neural network
过程神经元网络
1.
Research and application of process neural network with two hidden-layer based on expansion of basis function;
基于基函数展开的双隐层过程神经元网络及其应用
2.
A dynamic prediction method based on process neural networks is proposed for the process forecasting and prediction problem of dynamic system.
针对动态系统过程预测预报问题,提出了一种基于过程神经元网络的动态预测方法。
3.
A modular process neural network model based on multi-basis-functions is brought forward in this article,in which the spatial aggregation and temporal limited accumulation of discrete-time inputs are involved.
提出一类基于多种正交基函数的模块化过程神经元网络模型,它融入了多时变输入的空间聚合和作用域限制的时间累积,并采用多种正交基函数在较小网络规模的条件下保证系统各种输入输出的精度,应用混合隐含层综合考虑了系统多类型输入对系统的作用,并应用模块化级联的方式在一定程度上减小了网络的总体容量,从而提高了整个网络的学习速度。
5) feedforward process neural networks
前馈过程神经网络
1.
A transformation method from feedforward process neural networks to feedforward neural networks is proposed.
采用前馈过程神经网络方法预测发动机排气温度,讨论了网络输入输出参数的选择问题,基于正交基函数简化了前馈过程神经网络的聚合运算,提出了从前馈过程神经网络向传统前馈神经网络网络模型的转化方法,基于传统前馈神经网络先验知识给出了学习算法,进行了网络训练及仿真,取得了满意的结果。
6) feed forward neural networks
前馈神经元网络
1.
The reason of local optimization for learning multi layer feed forward neural networks is discussed.
介绍了拟牛顿公式中 BFGS修正算法和 Wolf- Powell不精确线性搜索准则所具有的全局收敛性质 ,分析了将该算法应用到前馈神经元网络的训练学习中存在局部最优的原
补充资料：《网络分析和反馈放大器设计》
论述网络分析和反馈放大器设计的名著，H.W.博德著，1945年在美国出版。作者在本书中叙述并发展了网络的一般理论，首先提出在一个网络中任何元件的回归差F 等于该元件具有正常值时的网络行列式与该元件值为零时网络行列式之比,推导出回归比T和环路传输μβ的关系
F＝1+T＝1-μβ
详细推导了网络函数的实部和虚部之间的关系，并把这种关系应用于负反馈放大器的输入、输出和级间网络的设计上。
详细推导了网络函数的实部和虚部之间的关系，并把这种关系应用于负反馈放大器的输入、输出和级间网络的设计上。
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