1) Rough RBF neural network
粗糙RBF神经网络
2) neural networks/rough sets
神经网络/粗糙集
3) rough set-neural network
粗糙集-神经网络
1.
Having the phenomena of redundancy and imperfect information in the fault diagnosis,the rough set-neural network was adopted to diagnose faults in three-phase inverter circuit,thus,optimized the structure of network and improved the diagnosis speed.
针对故障诊断中冗余及不完整的信息常使诊断规则误报、漏报的现象,采用粗糙集-神经网络对三相逆变电路进行故障诊断,优化了神经网络结构,提高诊断速度。
4) rough neural network
粗糙神经网络
1.
Traffic-flow optimal control model in intelligent transport systems:rough neural network approach;
基于粗糙神经网络的交通优化控制模型
2.
A rough neural network method is proposed to solve the problems in an information system with interval numbers.
针对具有区间数的信息系统,提出用粗糙神经网络求解其问题的方法。
6) RBF Neural Network
RBF神经网络
1.
Prediction PM_(10) concentration based on PCA and RBF Neural Network;
基于PCA与RBF神经网络的PM_(10)质量浓度预测
2.
Research on fault diagnosis method based on RBF neural networks for nuclear power plant;
基于RBF神经网络的核动力装置故障诊断方法研究
3.
Prediction of Parison Dimension Based on RBF Neural Network in Plastics Extrusion Blow Molding;
基于RBF神经网络的挤出吹塑中型坯尺寸的预测
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