1) GRNN neural networks modeling
GRNN神经网络模型
2) GRNN neural network
GRNN神经网络
1.
Algorithm for artificial - workpiece - oriented correction based on GRNN neural network;
基于GRNN神经网络的工件智能矫正算法
2.
By analyzing influencing factors of rolling temperature and by selecting suitable neural network,the best architecture of the network can improve the prediction accuracy,and compared with BP network,the result indicates that GRNN neural network has better accuracy and adaptability of the network.
针对中厚板轧机控制模型中的轧制温度精度的提高问题,以4200轧机轧制的大量实测数据为基础,利用Matlab人工神经网络工具箱,建立了中厚板轧制温度的GRNN神经网络预测模型。
4) BP neural network model
BP神经网络模型
1.
The Study on the Forecasting Methods of Urbanization level——Taking BP Neural Network Model as an Example;
城市化水平预测方法研究——以BP神经网络模型的应用为例
2.
Through the establishment of water environment management information system of Supa River basin, an improved BP neural network model made for the comprehensive assessment on the water quality of the basin concerned is presented in accordance with the condition with better water quality and without any principal economic industries therein.
通过建立苏帕河流域水环境管理信息系统,针对苏帕河流域没有主要经济产业、水质较好的状况,侧重于介绍建立改进的BP神经网络模型对流域的水质进行综合评价。
3.
It is introduced that the BP neural network model of prediction of mining collapse is established based on the survey′s data and main factors at a mine field where the collapse had happen.
依据某煤炭开采区的勘察资料 ,综合考虑影响采空塌陷的主要因素 ,建立了预测采空塌陷的 BP神经网络模型。
5) Neural Network model
神经网络模型
1.
Application of neural network model in petroleum resource predication;
人工神经网络模型在石油资源预测中的应用
2.
Artificial neural network model supporting decision-making of product procedure;
支持产品方案决策的人工神经网络模型构建
3.
Urban forest remote sensing investigation based on neural network model technology in the main city of Nanjing;
基于神经网络模型技术的南京市主城区城市森林遥感调查
6) artificial neural network
神经网络模型
1.
Studies on Planthoppers Occurrence Degree with the Artificial Neural Network;
稻飞虱发生程度的神经网络模型拟合研究
2.
The electric-thermal parameters of the bridgewire electric explosive device such as resistance and heat loss coefficient were measured with the non-destructive transient pulse test system under non-destructive conditions,then the no-firing current of the electric explosive device was predicated using the Rosenthal mathematical model and the back-propagation(BP) artificial neural network model.
通过瞬态脉冲无损检测试验得到桥丝式电火工品的电阻和集总热散失系数等电热响应参数,利用这些电热响应参数分别采用Rosenthal的集总热参数模型和BP神经网络模型方法预测电火工品的安全电流。
3.
In this paper,a knowledge based artificial neural network is used to model the microstrip radial stub.
本文采用基于知识的人工神经网络模型模拟微带径向短截线的特性 ,利用已经具有的先验知识减小神经网络输入输出映射关系的复杂程度有效减少了训练样本的数量 。
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