1) peak density function
峰值密度函数
1.
Since some important process variables are difficult to be measured in real time for industrial processes,we use improved RBF Neural Networks to build a soft-sensing model and proposed peak density function to determine the number of nodes of RBF Neural Networks.
采用局部强逼近性能的RBF神经网络对被测变量进行建模;提出用峰值密度函数法确定RBF网络的隐含层节点数;设计样本信息分析算法提取样本特征,结合精度要求,初始化节点的中心向量和接收域宽度,消除了利用随机数等方法初始化训练参数和网络参数所造成的不确定性问题,同时提高了网络的收敛速度和精度;整个过程分别采用改进的梯度法、带有遗忘因子的最小二乘法等算法进行设计。
2) the peak probability density function
峰值概率密度函数
1.
Based on FPK equation inferred by Ito differential equation and the statistical scalar method of structure total response,we directly infer the peak probability density function of total displacement of the tallest layer of mast u.
文中依据由 Ito微分方程得到的 FPK方程、采用结构总响应统计量分析方法 ,直接导出在平均风和脉动风共同作用下桅杆顶层总位移的峰值概率密度函数 ,为直接处理类似非零均值激励总响应的峰值概率密度函数及动力可靠性分析提供一种可行途径。
3) single peak density function
单峰密度函数
5) valuation density function
赋值密度函数
1.
Taking the valuation lattice to be the unit interval ,this paper introduces the valuation density function and defines the probability truth degree.
取赋值格为[0,1],引入赋值密度函数,定义了命题公式的概率真度,并讨论几种赋值密度函数的形态,得到一些概率真度推理规则。
2.
The valuation density function of formulas in the continuous value propositional logic system is proposed on the idea of conditional probability.
基于条件概率的思想,在连续值命题逻辑系统中引入赋值密度函数概念,给出了公式的概率真度、数学期望、条件概率真度的定义,并得到了一些概率真度的推理规则。
3.
The valuation density function of formulas in continuous value propositional logic system is obtained based on the idea of conditional probability.
基于条件概率的思想,在Gdel连续值命题逻辑系统中引入赋值密度函数概念,给出了公式的概率真度、条件概率真度的定义,定义了公式间的相似度和伪距离并给出了相关的性质。
6) multi-modal function
多峰值函数
1.
This algorithm is used to the application of multi-modal function optimization.
将该算法用于对多峰值函数的寻优,能得到很好的结果;借用遗传算法的积木块假设对该算法的收敛性进行分析,证明了本算法在满足一定前提条件下,能够以趋近于1的概率收敛。
2.
system,multi-modal function optimization algorithm based on artificial immune network is presented and is applied to some typical test functions in this paper.
针对多峰值函数优化中常规方法难以同时搜索出多个极值的问题,借鉴生物免疫系统的相关机理,提出了基于人工免疫网络的多峰值函数优化算法,并在一些典型的测试函数上进行性能测试。
3.
Immune Algorithm is a new optimization algorithm imitating the immune system to solve the multi-modal function optimization problem.
免疫算法是在免疫系统识别多样性的启发下所设计出的一种新的多峰值函数的寻优算法。
补充资料：概率分布的密度
概率分布的密度
density of a probability distribution
概率分布的密度【山画勿ofa声加b正ty业州恤心.;n月。T:oeT‘，.TooeT，]，亦称攀半考枣(pro恤b正tydensity) 与绝对连续概率测度相对应的分布函数(distribU-tionft川ction)的导数. 设X是在”维E切土d空间R”(n)l)中取值的随机向量，F是它的分布函数，并设存在一个非负函数f使得 x一工.F(x，，xZ，…，x。)一J…J，(。:，…，。。)“1…du，对一切实数x;，…，、。成立，则称f是X的修率窜摩(probab皿ity de飞ity)，此时对任意BOrel集A cR“有 p万x。A飞=f…ff(。，.·…。_)du一d、. ‘A。任一满足条件 丁…Jf‘xl，一x·，dxl·““一‘的非负可积函数f都是某一随机向量的概率密度. 如果两个取值于R”的分别具有概率密度f和g的随机向量X和Y是独立的，那么随机向量X十Y具有概率密度h，它是f和g的卷积，即h(xl，…，x。)=一丁…丁f(x，一。，，…，x。一u。)。(。，，…，。。)以u，…J、一J…Jf(“，，…，。。)。(x，一，，…，x。一、)汉。，…d。。. 假设X=(戈，…，戈)和Y=(矶，…，气)是分别取值于R”和R用(n，m)l)中且具有概率密度f和夕的随机向量，而z=(戈，…戈，Y.，…，气)是取值于r+川中的随机向量.再若X和y独立，则Z具有概率密度h，称为随机向量X和Y的联合概率密度(joint Pro恤biljty dellsity)，此处h(t:，…，t。十。)=f(tl，…，t。)g(t。+1，…，t。*.)·(l)反之，若Z具有满足(l)的概率密度，则X和Y独立. 具有概率密度f的随机向量X的特征函数中可表示为 毋(tl，…，t。)= 一丁…丁。:‘!1二‘~“·’·，f(xl，一x。，dxl·‘·“x二这里，如果职是绝对可积的，则f是有界连续函数，且 f(x:，“·，x。)=二二头二f二卜一‘:1一‘，…’，(。:，…，:。)d才，…d。· (2二)”几或概率密度f和对应的特征函数价还通过下述关系式(Phnd犯rel埠等术(Phncherel汕mtity))相联系:函数厂是可积的，当且仅当!叫’是可积的，此时有 了…歹fZ(x卫，…，、)dx，…dx。 一典丁了…}’，，(。，，…，:。)一‘tl…己t。
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