1) stochastic feedforward neural network
随机前馈神经网络
2) Feedforward Neural Network
前馈神经网络
1.
Multi-layer feedforward neural network based on binary ant colony algorithms;
基于二元蚁群算法的多层前馈神经网络
2.
Chaos BP hybrid learning algorithm for feedforward neural network;
前馈神经网络的混沌BP混合学习算法
3.
A new feedforward neural network pruning algorithm;
一种新的前馈神经网络删剪算法
3) feedforward neural networks
前馈神经网络
1.
Newton-gradient coupling algorithm for feedforward neural networks;
前馈神经网络的梯度-牛顿耦合学习算法
2.
Computing Lyapunov exponents with feedforward neural networks;
利用前馈神经网络计算Lyapunov指数
3.
,this paper proposes a new algorithm which combined the advantages of the momentum feedforward neural networks and the traditional CMA blind equalization algorithms,which adjusts the new weight value with the adjusting value used before so that the algorithm could be less sensitive to the stationary point of the error surface.
针对基于前馈神经网络的盲均衡算法中,BP优化算法具有收敛速度慢、易陷入局部极小的缺点,提出了一种新的盲均衡算法,该算法结合动量项前馈神经网络与传统恒模盲均衡算法的优点,将以前权值的调节量用于当前权值的修改过程,降低了算法对于误差曲面局部极值点的敏感性。
4) feed-forward neural networks
前馈神经网络
1.
Application of feed-forward neural networks to dam deformation monitoring based on differential evolution algorithm;
基于差异进化算法的前馈神经网络在大坝变形监测中的应用
2.
Applied to the problem of optimizing the connection weights of the feed-forward neural networks,the algorithm was feasible.
并将该算法用来优化前馈神经网络的连接权值。
3.
On the basis of both adaptive BP algorithm and Newton s method, Quasi Newton algorithm with adaptive decoupled step and momentum (QNADSM) for feed-forward neural networks is derived.
基于输出层函数为线性函数的三层前馈神经网络，结合自适应步长和动量解耦的伪牛顿算法及 迭代最小二乘法导出了一种混合算法。
5) feed forward neural network
前馈神经网络
1.
Robust maximum likelihood feed forward neural network and its application study;
鲁棒性的极大似然前馈神经网络及其应用研究
2.
The characteristic of the feed forward neural network and training algorithm based on the recursive prediction error are introduced.
介绍了前馈神经网络的特点和基于递推预报误差(RPE)的训练算法,利用前馈神经网络对某航向同步传输系统的磁航向误差进行了校正,并给出了实验结果。
3.
This text discusses melt sparsely of the feed forward neural network,that is how to determine and delete the network s redundant neuron and joining,gives the mathematics define of feed forward neural network,and introduces the Lean towards preface and Arrange in an order topologically to the Study algorithm and Sparse to take the algorithm of feed forward neural network.
主要讨论前馈神经网络的稀疏化,即如何确定和删除网络中冗余的神经元和连接。
6) feed-forward neural network
前馈式神经网络
1.
New learning algorithm for feed-forward neural network based on objective back-propagation;
一种新的基于目标反传的前馈式神经网络训练算法
补充资料：随机网络分析与优化
随机网络分析与优化
analysis and optimization of random network
suiii wangluo fenxi yu youhua随机网络分析与优化(analvsisartimization of random network)在又机变化的外部环境和内部因素共同柞的系统进行网络描述的基础上，综合多项理论，研究系统的静态、动态牡概率分布，并寻求优化的方法和活动。包括随机网络解析法和随机网络仿真 随机网络技术是在肯定型网络杉基础上产生的。1962年，美国的E.场提出带“决策盒”的广义网络技术，步改进和完善后形成了图示评审(GERT)，同时又利用控制论中的信戈理论和概率论中的矩母函数发展了GE络的解析算法。1969年，形成了相应件系统并成功应用于美国阿波罗载六计划。70年代以来，美国的普列茨丈人又进一步发展了随机网络仿真技才现了多种具有不同功能的随机网络仗统。现在，随机网络技术已广泛应拜事训练、作战指挥、后勤保障等方值筹分析中。 随机网络以下列方式描述客观暮网络中的节点表示系统状态;连接名之间的箭杆表示状态之间的传递关弃为活动);各节点具有不同的逻辑牡引出端可以有多个概率分支，并且书间的传递关系服从一定的概率分布;中允许回路和自环存在。广义网络摇随机网络的一般形式，其节点的输人立oP-撇汗拥印要术粕哟拯沐汹啊嫩朔噜出辐浑腿乞宁点(称E;天之习络竺是有3渝人和 肯定刁逻辑或”型三是一兰利用、网络无率论卜种概习络在了“异j)的j，j) 的条 ·从泊tjj，劲络，天之间种类型:“与”型输人、“或”型车 “异或”型输人;输出端有2种类型:型输出和概率型输出，共构成6种不「功能的节点(见网络分析)。只含“异节点的随机网络称为GERT网络，勺种典型的线性系统。 随机网络解析法的基本原理，尖控制论中的信号流图理论计算GER广中各节点之间的传递关系，并利用札中矩母函数的基本性质计算网络的耀率分布数字特征，从而得到GERT「平稳状态下的解析解。设状态j，j均步或”型节点，随机变量岛为活动(人活动周期，Ptj为节点i实现时活动(被执行的概率一M公(s)为活动(j，j)件矩母函数，令传递函数为矶(s)二厂(s)，故对于每项活动的两个参数只总可以用一个参数Wjj(s)来代替。
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