1) basis function neural network
基函数神经网络
1.
This paper describes a new model of designing intrusion detection system based on basis function neural networks,which contains different and orthogonal active function,simulates biology neural system on higher level.
提出一种新型的基函数神经网络用于入侵检测技术中,其中每个神经元的活跃函数各不相同,彼此正交,在更高层次上完成对生物神经系统的模拟,它即可以用于异常检测以检测出新的攻击,也可以用于误用检测以检测出已恬的攻击及其变种。
2) RBFNN
径向基函数神经网络
1.
Radial Basis Function Neural Network Based on EMG - Model(EMG -RBFNN) is constructed, then a two -phase genetic algorithm (GA)-training structure and evolving parameter is used to train EMG -RBFNN so that it has the ability of reconstructed structure.
方法 :构造了以修正高斯模型 (EMG)为基函数的径向基函数神经网络 (EMG-RBFNN) ,在网络学习算法中提出采用基于共享小生境技术的约束最优保留两阶段遗传算法 :结构学习和参数最速梯度下降进化 ,从而使EMG-RBFNN具有结构学习能力 ,使该神经网络能够适应组分数未知的色谱重叠峰解析。
2.
Furthermore,radial basis function neural network(RBFNN) is applied to PD pattern recognition according to the disadvantages of RBFNN.
采用了一种Δu模式参量作为局部放电的图谱特征,并采用不变矩作为放电特征;同时,采用了径向基函数神经网络(RBFNN)对局部放电Δu模式参量构成的图谱特征进行识别。
3.
An approach,which combines radial basis function Neural Network(RBFNN) with self-learning and self-adaptive characteristics with the traditional PID control,is proposed for the tracking control of electro-hydraulic position servo systems with the uncertainties of parameters.
仿真研究表明,利用基于径向基函数神经网络的PID控制能使电液位置伺服系统获得令人满意的跟踪特性和快速响应特性。
3) radial basis function network
径向基函数神经网络
1.
Two-stage partial least squares regression for constructing radial basis function networks;
基于分级偏最小二乘回归的径向基函数神经网络
2.
Aiming at the large inertial time-delay characteristic of the fresh steam temperature variations in thermal power plants, a novel PID control strategy with radial basis function network tuning based on chaotic and genetic algorithm was proposed.
针对火电厂主汽温控制系统具有大惯性、大迟延等特性,提出一种基于混沌遗传算法的径向基函数神经网络整定PID参数的控制策略。
4) RBF neural network
径向基函数神经网络
1.
Optimization control of a distillation column based on the RBF neural network and NLJ algorithm;
基于径向基函数神经网络和NLJ优化算法的精馏塔控制
2.
Features Recognitioning of 2-D Part Drawing Based on RBF Neural Network;
基于径向基函数神经网络的二维零件图特征识别
3.
Chaos control of Lorenz system via RBF neural network sliding mode controller;
基于径向基函数神经网络的Lorenz混沌系统滑模控制
5) wavelet basis function neural network
小波基函数神经网络
1.
In this paper,a net mapping from pipeline MFL inspection signals to profiles of defects is established by using the wavelet basis function neural network method, in which centers of basis functions are selected using iterative self-organizing data analysis techniques (ISODATA) dynamic clust.
本文采用小波基函数神经网络的方法,建立了由管道缺陷的漏磁信号到缺陷截面轮廓图的网络映射。
6) radial basis function neural network
径向基函数神经网络
1.
Prediction method research based on radial basis function neural network;
基于径向基函数神经网络的预测方法研究
2.
Study on new type of radial basis function neural network;
新型广义径向基函数神经网络结构研究
3.
The Research of Multiuser Detection Algorithm Based on Radial Basis Function Neural Network;
基于径向基函数神经网络多用户检测算法的研究
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