1) Multi layer neural networks
高阶多层神经网络
2) neural network with hight-dimension-input multi-input layers
高维多输入层神经网络
3) higher-order neural networks
高阶神经网络
1.
Study on learning algorithm in higher-order neural networks model;
高阶神经网络模型中的学习算法研究
2.
The function approximation capabilities of first-order neural networks have been investigated rigorously, but few related works about higher-order neural networks have been reported.
一阶神经网络的函数逼近理论虽已研究得相当深入,但对高阶神经网络在这方面的研究却报道甚少。
5) high-order neural network
高阶神经网络
1.
This study focused on high-order neural network technology in data fusion technology.
文中以数据融合技术中的高阶神经网络技术的研究为主,通过对交通路网的分析,建立模型,准确地预测交通有关数据信息。
2.
The paper studies the existence and global exponential convergence of alomost periodic solutions for high-order neural networks involving variable delay by applying the theory of fixed point and differential inequality technique,some new criteria on the existence and global exponential convergence of almost periodic solutions are obtained.
利用不动点理论和微分不等式分析等技巧,研究了变时滞高阶神经网络概周期解存在性与全局指数收敛性,并且给出了一些新的判别准则。
3.
The high-order neural network is an important branch in artificial neuralnetwork researches.
高阶神经网络灶神经网络研究的一个重要分支。
6) high order neural networks
高阶神经网络
1.
A new method is presented in this paper for fitting VFC*ss (voltage to frequency converter) output functions by using high order neural networks.
提出了一种利用高阶神经网络拟合ＶＦ型ＡＤＣ输出特性的新方法，实现了ＶＦＣ１１０芯片在４ＭＨｚ满量程时的非线性估计。
2.
A new design method using high order neural networks to approach interconnected system aiming at a class of nonlinear composite system is presented.
针对一类非线性组合大系统 ,提出一种用高阶神经网络逼近互联大系统的新型设计方法。
补充资料：多层递阶控制结构
大系统按控制的功能及决策的性质划分的一种层次结构（见大系统结构）。多层递阶控制结构主要用于解决复杂的决策问题。
大系统（见大系统理论）处于不确定的环境中，在决策时为了克服不确定性的影响，需要较长时间积累资料和经验,但是决策的制定和执行却要求及时而迅速,否则控制就不能适应环境变化。为了解决这种矛盾可采用多层控制结构。多层控制结构就是将复杂决策问题分解为子决策问题的序列。每个子决策问题有一个解，就是该决策单元的输出，同时也是下一决策单元的输入。根据这个输入，再确定下一决策单元中的参数，从而确定下一决策单元的输出。如此一层一层下去，形成决策层的递阶（见图）。
第Ⅰ层是直接控制层，包括各种调节器和控制装置，具有一般控制系统的功能。它执行来自第Ⅱ层的决策命令，直接对被控过程或对象发出控制作用u,使过程的输出y在T1期间内达到期望目标值yd，克服快扰动V1的影响。第Ⅱ层是最优化层。在决定这一层的数学模型时，只考虑对性能指标影响最严重的特定扰动V2，但数学模型的参数仍由第Ⅲ层供给的环境参数θ来确定。此层在T2≥T1期间内,根据确定了的数学模型计算出yd值,供给第Ⅰ层作为最优控制参数的设定值，实现动态最优化，克服较快扰动的影响。这一层因为能作出最优性能的决策，所以功能水平高于第Ⅰ层。第Ⅲ层是自适应层，它能根据环境条件的变化，经过较长时间T2积累资料，最终确定一组新的环境参数值θ，供给最优化层，供修正其目标函数、约束条件和数学模型的参数用。这一层具有适应不确定的环境变化的能力，适应较慢扰动变化，保持系统最优运行状态，所以功能水平更高。如果还需要根据大系统的总任务、总目标考虑结构的功能来决定最优策略，以调整各层工作，克服慢扰动的影响，则增加第Ⅳ层，即自组织层。一般可根据大系统控制的功能和决策的性质确定决策层次。
大系统（见大系统理论）处于不确定的环境中，在决策时为了克服不确定性的影响，需要较长时间积累资料和经验,但是决策的制定和执行却要求及时而迅速,否则控制就不能适应环境变化。为了解决这种矛盾可采用多层控制结构。多层控制结构就是将复杂决策问题分解为子决策问题的序列。每个子决策问题有一个解，就是该决策单元的输出，同时也是下一决策单元的输入。根据这个输入，再确定下一决策单元中的参数，从而确定下一决策单元的输出。如此一层一层下去，形成决策层的递阶（见图）。
第Ⅰ层是直接控制层，包括各种调节器和控制装置，具有一般控制系统的功能。它执行来自第Ⅱ层的决策命令，直接对被控过程或对象发出控制作用u,使过程的输出y在T1期间内达到期望目标值yd，克服快扰动V1的影响。第Ⅱ层是最优化层。在决定这一层的数学模型时，只考虑对性能指标影响最严重的特定扰动V2，但数学模型的参数仍由第Ⅲ层供给的环境参数θ来确定。此层在T2≥T1期间内,根据确定了的数学模型计算出yd值,供给第Ⅰ层作为最优控制参数的设定值，实现动态最优化，克服较快扰动的影响。这一层因为能作出最优性能的决策，所以功能水平高于第Ⅰ层。第Ⅲ层是自适应层，它能根据环境条件的变化，经过较长时间T2积累资料，最终确定一组新的环境参数值θ，供给最优化层，供修正其目标函数、约束条件和数学模型的参数用。这一层具有适应不确定的环境变化的能力，适应较慢扰动变化，保持系统最优运行状态，所以功能水平更高。如果还需要根据大系统的总任务、总目标考虑结构的功能来决定最优策略，以调整各层工作，克服慢扰动的影响，则增加第Ⅳ层，即自组织层。一般可根据大系统控制的功能和决策的性质确定决策层次。
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