1) division of neural network
神经网络的拆分
2) Division and assembly of neural network
神经网络的拆分与组合
3) network split
网络拆分
1.
This paper further investigates the locally and globally adaptive synchronization of united complex dynamical networks based on a new method of network split.
基于网络拆分的思想对多重边融合复杂动态网络局部和全局的自适应同步进行了研究。
2.
In this paper,a new idea about network split is presented according to the different nature of the network links.
根据网络中边的不同性质提出了网络拆分的思想,通过引入时滞进行拆分,从而建立了多重边复杂网络的动力学模型。
4) neural network classification
神经网络分类
1.
A new automatic classification model of remote sensing image using pixel information decomposition combined with neural network classification is proposed in this paper.
提出了一种新的基于像元信息分解和神经网络分类相结合的城市绿地遥感信息自动提取方法。
5) Neuroendocrine net
神经内分泌网络
6) neural network classifier
神经网络分类器
1.
A neural network classifier combination method is introduced in this paper and applied to handwritten numeral recognition.
利用神经网络分类器组合 ,对手写体数字识别问题进行了研究 。
2.
Eight modulation types were classified by the method based on characteristic parameters extraction and neural network classifier.
提出了一种对经过符号成形的数字信号调制方式进行识别的新算法,利用特征参数提取与神经网络分类器相结合对8种常用数字信号进行识别。
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