网络学习算法相关论文
提出了构造RBF神经网络的一种新的非参数回归算法,该算法在RBF神经网络的基础上,采用回归树的思想,通过递归分割将输入空间划分为......
土壤墒情精准预测是实现农业智能节水灌溉的重要数据基础。以往土壤墒情预测存在预测模型参数复杂及随着预测步长增大误差累计......
实际的混沌系统通常包含多种不确定性，人们往往很难利用传统方法得到系统的真实模型，影响了混沌系统的进一步研究。同时，混沌系统产生......
针对控制图模式识别，提出将控制图判别准则转换为符号化模糊规则，指导模糊神经网络的建模及初始化过程。建立一类融合先验知识的......
虽然BP算法应用广泛,但仍然存在着一些不足之处,如:学习过程收敛速度慢,容易陷入局部极小值,隐含层和隐含层节点数难以确定等.
......
将神经网络思想引入到景象匹配,提出了基于模糊集的神经网络景象匹配算法.该算法将图像模糊集作为特征空间,尝试了在模糊域中采用......
传统PID神经网络采用BP学习算法,由于其激励函数是分断函数,因此无法获得准确的梯度信息,从而使网络学习过程初始均方误差过大,且......
本文针对误差反向传播神经网络模型(BP模型)学习收敛速度慢、容易陷入局部极小点等缺点,对BP网络模型进行了改进.文章对原始数据采......
针对BP算法的不足,提出一种基于RBF神经网络的非线性系统辨识方法.采用一种新的RBF网络学习算法对网络进行训练,通过函数逼近完成......
针对RBF神经网络高性能无监督泛化的要求,提出了基于多种RBF神经网络学习算法及广义信息熵融合子网的多神经网络,并编程实现.通过......
本文提出了一种改进的BP网络学习算法,即动态误差函数BP算法.并将该算法应用于配电网负荷预测,同时提出了一种新的特征量选取方法.......
该文介绍一种将遗传算法（ＧＡ）与ＢＰ算法相结合的模糊神经网络学习算法。该算法既包括对参数的优化，也包括对网络结构的优化。在自组织竞争ＢＰ算......
小波网络是一种新兴的信号处理方法，但是这种网络的学习算法还是一直未能很好地解决。一个网络的性能取决于网络的结构及其学习算法......
该文提出两个算法分别用于确定小波网络中的时移和尺度因子。这两类参数决定了网络对未知映射的逼近能力。首先根据样本数据在各维......
该文针对神经元网络定限值控制存在训练时间长的不足，首次提出一种反偏差方法，即为加快系统初始响应，又不致使超调过大，在输出神经元阈......
提出一种高效的基于偏差伪分离推广卡尔曼滤波器的多层前馈神经网络学习算法，与传统的ＢＰ算法和推广卡尔曼滤波器学习算法相比，其收敛速......
该文针对神经网络的学习算法存在的缺陷，将模糊逻辑集成进神经网络及其学习过程中，提出了一种GFNN网络和F-BP算法，大大的加快了神经网......
该文在文的基础上，指出其学习算法的实质和存在的局限性，提出了一种基于正交变换的神经网络学习算法。该学习算法采用Ｈｏｕｓｅｈｏｌｄｅｒ正交变换求解，具......
ＢＰ网络是目前应用最广的神经网络，但基于梯度下降法的ＢＰ算法存在固有的局部极小及收敛速度慢等问题。该文针对基于ＢＰ算法的缺陷，对多种改进......
该文根据Ｔ－Ｓ模糊模型提出了一种神经推理网络，给出了系统结构和网络学习算法，并对其特性和应用进行了深入的探讨。该系统结构简明，能自能......
该文在研究径向基神经网络学习算法的基础上，提出了一种新型的径向基神经网络学习算法－－混合递阶遗传算法。该算法将递阶遗传算法和最......
以提高RBF网络泛化能力为着眼点,提出了一种新型的网络结构自适应学习算法.该算法采用衰减聚类半径的聚类算法来确定初始的隐层结......
采用自适应交叉变异、最优保存、局部寻优的遗传算法,避免了BP神经网络在训练过程中收敛于局部极小点的缺陷,并将其对神经网络的权......
考虑投影数据不足时,射线层析成像的离散重建算法难以取得较好效果的情况,利用模糊理论建立了表示物体衰减系数的连续函数,用神经......
将人工神经网络的BP模型应用于非线性时间序列预测，并将预测结果与传统预测方法的预测结果进行比较，表明神经网络预测方法具有明显的......
仿生鼻系统的试验研究=Experimental Study on a Bionic Nose System[刊，中]／石志标(吉林大学生物与农业工程学院，长春130025)，左春柽，......
Online gradient method has been widely used as a learning algorithm for training feedforward neural networks. Penalty is......
Structure learning of Bayesian networks is a wellresearched but computationally hard task.For learning Bayesian networks......
