1) Kohonen self-organizing neural network
Kohonen自组织神经网络
1.
This paper presented an algorithm of fixturing surfaces grouping and selection based on Kohonen self-organizing neural network and the algorithm of optimizing locating points based on genetic algorithm.
提出基于Kohonen自组织神经网络的装夹面分组与选择算法和基于遗传算法的定位点优化算法,利用人工神经网络来处理装夹面选择中各种复杂的影响因素,选择最佳的装夹表面;在此基础上,参考夹具校验的一些结论,通过一些参数来模拟工件的稳定性与变形特性,利用遗传算法进行组合优化,确定最优定位点。
2) Kohonen selforganizing feature map neural network model
Kohonen自组织特征映射神经网络模型
3) Kohonen self orgnization network
Kohonen自组织网络
4) kohonen neural network
Kohonen神经网络
1.
Triangle mesh surface reconstruction based on Kohonen neural network and fuzzy clustering technique;
基于模糊聚类的Kohonen神经网络三角网格曲面重建
2.
Application of Kohonen Neural Network Model to Classifying Swelling Potential Grades of the Expansive Soil;
Kohonen神经网络模型在膨胀土膨胀潜势分类中的应用
3.
B-spline surface reconstruction based on Kohonen neural network;
基于Kohonen神经网络的B样条曲面重构
5) Kohonen neural networks
Kohonen神经网络
1.
Region classification of forest ecological economic system based on Kohonen neural networks;
基于Kohonen神经网络的森林生态经济区域分类
2.
In comparison with the Kohonen neural networks, the structure of the compete study networks is relatively simple because it does not consider neighboring neural units.
竞争学习网络与Kohonen神经网络相比,由于不考虑邻域神经元,其网络结构相对简单。
6) self-organizing neural network
自组织神经网络
1.
A study of some problems in pattern recognition by self-organizing neural network;
对自组织神经网络模式识别方法中若干问题的研究
2.
Combustion stability study based on statistic analysis and self-organizing neural network;
基于统计分析和自组织神经网络的燃烧稳定性研究
3.
Improved dynamical binary-tree based self-organizing neural network algorithm;
一种改进的动态二叉树的自组织神经网络算法
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