随着绿色能源越来越被重视，分布式发电已引起人们广泛关注。分布式发电一般通过逆变器并入市电网。由于要求并网逆变器输入与电网同......

根据样条逼近理论和神经网络原理构造了一种样条神经网络模型,以一组样条基函数作为隐神经元的激励函数.依据误差回传(BP)思想推导......

根据傅里叶级数逼近理论,将正交三角函数系作为隐层神经元激励函数,合理选取这些激励函数的周期参数,构造单输入多输出（SIMO）傅里叶......

摘 要：精确采购，尽可能地降低库存成本是大多数企业一直追求的目标之一。然而准时采购受到库存量、采购处理等众多因素影响，这些因素......

利用高斯型隶属函数作为隐层神经元激励函数,构建了四层模糊前向神经网络.根据从训练数据集中提取出的插值样本数量来确定隐层神经......

基于多元函数逼近理论，构建一种MISO（Multiple-Input，Single-Output）多元广义多项式神经网络。依据最小二乘原理，推导出基于伪逆的最优......

以平方可积空间上的复指数Fourier级数作为激励函数构造了新型Fourier神经元网络,并推导出采用加号逆表示的网络权值直接确定公式,......

针对数值法求解反插值问题时存在的正解精度受初值选取影响、计算速度慢等问题，采用幂激励前向神经网络来求解反插值问题．仿真结果表......

基于样条函数逼近理论构建了以样条函数乘积为隐层神经元激励函数的三层双输入样条神经网络.该网络依据输入变量的空间结构,实现了......

模式分类是径向基函数（RBF）神经网络应用的一个重要方面。目前大多数RBF羁络都采用迭代学习的方法。区别于反复选代训练而得到网络参......

构建一类新型基函数神经网络。依据梯度下降法思想．给出该神经网络的权值迭代公式．证明迭代序列能全局收敛到网络的最优权值．并由此推......

隐神经元数目的确定在神经网络学习过程中有着重要的意义.然而,目前,还没有相应的确定性理论指导隐神经元数的设计.针对Legendre前......

传统的BP神经网络存在着迭代缓慢、容易陷入局部极值而无法获得全局最优解等缺陷。在误差反向传播学习算法的基础上,对网络进行改......

为解决多输入单输出数据集的建模预测问题,提出一种基于Mamdani型模糊系统和前向神经网络的模糊神经网络,实现了瓦斯涌出量的建模......

为了减小探空仪湿敏电容器在高空大气,特别是低温环境下的测量误差,设计了一种基于改进型pi-sigma模糊神经网络的误差校正模型,采......

讨论了一种求解数值积分的改进算法，其基本思想是：基于样条基函数的神经网络模型，应用权值直接确定法构造样条基函数，从而逼近被积函数......

为提高动态手势学习速度和识别准确率,本文提出一种基于Hermite正交基前向神经网络的动态手势识别方法。利用Camshift算法实时跟踪......

网络权值如何确定,是人工神经网络研究中的一个重要课题。传统PID神经元网络在该问题的研究上,大多数采用误差回传(BP)的思想,通过......