1) OWNN
正交小波神经网络
1.
As the BP neural network is easy to fall into local minimum point and has slow convergence speed, and the RBF neural network has no sole approximation function,the OWNN(Orthogonal Wavelet Neural Network),which takes the Harr orthogonal scaling function as its activation function,is proposed and its weight training algorithm is presented.
鉴于BP神经网络较易陷入局部极小点且收敛速度慢、RBF神经网络因其激励函数是冗余的非正交基故其逼近函数的表达式并不唯一等缺点,构造以Harr正交小波尺度函数为激励函数的神经网络并提出其相应的权值训练新方法,将该正交小波神经网络应用于实现对云广特高压直流和贵广Ⅱ直流的在线紧急直流功率支援在线协调预测控制。
2) orthogonal neural network
正交神经网络
1.
A novel adaptive nonlinear observer with a compensator based on orthogonal neural networks is designed for a class of chaotic system where the nonlinear portion of the structure can not be evaluated.
针对一类结构部分未知混沌系统,设计了一种含有补偿器的自适应正交神经网络非线性观测器。
2.
This paper presents a dynamic modeling method based on orthogonal neural network.
本文提出一种正交神经网络的动态建模方法 ,它充分利用了 Tchebycheff多项式的非线性处理能力和 Givens正交变换的有效处理大型稀疏问题的优点 ,不仅能快速进行网络的训练 ,而且能对网络的结构进行优化 ,为非线性系统的动态建模提供了一种有效方法 。
4) WNN
小波神经网络
1.
WNN based nonlinear dynamic system identification;
基于小波神经网络的非线性动态系统辩识
2.
Denoising Process to Baseband Signals in CDMA with WNN;
小波神经网络对CDMA基带信号的消噪处理
3.
Application of WNN to NGN Traffic Prediction;
小波神经网络在NGN流量预测中的应用
5) wavelet network
小波神经网络
1.
Force/position control algorithm for manipulator based on wavelet network;
基于小波神经网络的机械臂力/位置控制算法
2.
Axle center orbit identification algorithm based on fuzzy wavelet networks.;
基于模糊-小波神经网络的轴心轨迹识别方法
3.
Research on Stock Analysis and Prediction Method of Nonlinear Approaching Bases on Wavelet Network;
基于小波神经网络非线性逼近的股票分析与预测方法研究
6) wavelet neural networks
小波神经网络
1.
Research on runoff forecasting of reservoir by using fuzzy clustering analysis and wavelet neural networks;
基于GIS的小波神经网络库区径流预报模型研究
2.
Research progress of wavelet neural networks in application to hydrology and water resources;
小波神经网络在水文水资源应用中的研究进展
3.
Application of wavelet neural networks based on genetic algorithms in integrated navigation system;
遗传优化小波神经网络在组合导航系统中的应用
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