神經(jīng)網(wǎng)絡(luò)造句

神經(jīng)網(wǎng)絡(luò)造句

• 1、該方法通過人工神經(jīng)網(wǎng)絡(luò)對采樣的焊接熱功輸入進(jìn)行處理，從而判斷焊接過程是否漏焊。
• 2、該算法的本質(zhì)是提供牛頓法的速度和保證收斂的最速下降法之間的一個折中，適合于性能指標(biāo)是平方誤差的神經(jīng)網(wǎng)絡(luò)訓(xùn)練。 haO86.com
• 3、采用神經(jīng)網(wǎng)絡(luò)對耦合微帶線進(jìn)行建模，并將此模型應(yīng)用到耦合微帶線的分析與設(shè)計中。
• 4、選取串接積分器的多層前向神經(jīng)網(wǎng)絡(luò)訓(xùn)練飛行控制系統(tǒng)的動態(tài)逆模型，并自適應(yīng)補(bǔ)償逆誤差。
• 5、詳細(xì)討論了神經(jīng)網(wǎng)絡(luò)在線性相位帶阻濾波器中的應(yīng)用。
• 6、該方法首先利用生成最佳語音狀態(tài)序列，然后用函數(shù)逼近技術(shù)產(chǎn)生對最佳狀態(tài)序列進(jìn)行時間規(guī)正，最后通過神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識別。
• 7、由于神經(jīng)網(wǎng)絡(luò)是一種黑箱操作，難以對分布在其中的知識進(jìn)行解釋。
• 8、工程模擬自學(xué)法是一種基于神經(jīng)網(wǎng)絡(luò)的數(shù)值模擬方法，它屬于一種可以綜合有限元與人工智能的反分析技術(shù)。
• 9、本文簡要介紹神經(jīng)網(wǎng)絡(luò)與神經(jīng)計算機(jī)，神經(jīng)元模型，層狀網(wǎng)絡(luò)結(jié)構(gòu)，誤差逆?zhèn)鞑ニ惴捌湓诘厍蛭锢矸囱葜械膽?yīng)用。
• 10、提出了一種基于系統(tǒng)機(jī)理方程的常壓塔汽油干點神經(jīng)網(wǎng)絡(luò)觀測方法。
• 11、針對神經(jīng)網(wǎng)絡(luò)中傳統(tǒng)神經(jīng)元模型在結(jié)構(gòu)和信息存儲能力上存在的不足，提出了一種基于廣義子波基函數(shù)網(wǎng)絡(luò)的神經(jīng)元集聚模型。
• 12、人工神經(jīng)網(wǎng)絡(luò)是對生物神經(jīng)系統(tǒng)的模擬，它的信息處理功能與網(wǎng)絡(luò)單元的特性密切相關(guān)。
• 13、綜合運用計算機(jī)視覺技術(shù)、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)技術(shù)，實現(xiàn)番茄生理病害果的自動識別。
• 14、對用人工神經(jīng)網(wǎng)絡(luò)識別往復(fù)泵活塞磨損故障進(jìn)行了研究。
• 15、仿真實驗結(jié)果表明，運用學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)檢測入侵，可以達(dá)到較高的準(zhǔn)確檢測率，是一種有效的入侵檢測手段。
• 16、語音清濁音判決的實質(zhì)是一個非線性分類問題，可以用神經(jīng)網(wǎng)絡(luò)的方法來實現(xiàn)。
• 17、通過對徑向基神經(jīng)網(wǎng)絡(luò)的研究，提出了徑向基神經(jīng)網(wǎng)絡(luò)的構(gòu)造性理論及其構(gòu)造算法。
• 18、對廢輪胎在鼓泡流化床熱解反應(yīng)器中熱解時硫的遷移行為進(jìn)行了試驗研究，并基于帶偏差單元的神經(jīng)網(wǎng)絡(luò)對其進(jìn)行了預(yù)測。
• 19、分別使用判別域代數(shù)界面方程法確定判別函數(shù)，神經(jīng)網(wǎng)絡(luò)法確定動作函數(shù)。
• 20、結(jié)果表明，神經(jīng)網(wǎng)絡(luò)在拉延筋工藝效果預(yù)測方面具有重要的應(yīng)用價值。
• 21、本文提出了專家系統(tǒng)和模糊理論應(yīng)用到神經(jīng)網(wǎng)絡(luò)的容差模擬電路故障診斷方法，尤其對容差電路的軟故障診斷做了重點闡述。
• 22、結(jié)論基于神經(jīng)網(wǎng)絡(luò)模型的井間參數(shù)預(yù)測方法，可以為儲層精細(xì)評價提供高質(zhì)量的油藏地質(zhì)模型。
• 23、新場氣田和塔河油田的實際應(yīng)用表明，神經(jīng)網(wǎng)絡(luò)微地震相分析是可靠的和有效的。
• 24、已知與鑄件安裝配合的曲面數(shù)據(jù)及鑄件各截面厚度，確定鑄件的加工變形和加工余量后，分別求出鑄件曲面和模型曲面的離散有序數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的樣本數(shù)據(jù)。
• 25、應(yīng)用神經(jīng)網(wǎng)絡(luò)對數(shù)字進(jìn)行識別，其圖像的預(yù)處理采用去除雜點方法去除噪聲，使用逐像素特征提取方法進(jìn)行特征向量的提取。
• 26、利用神經(jīng)網(wǎng)絡(luò)建立了農(nóng)村用電量預(yù)測模型。
• 27、研究了基于多準(zhǔn)則學(xué)習(xí)的模糊神經(jīng)網(wǎng)絡(luò)評價環(huán)境大氣質(zhì)量的模型。
• 28、在玻璃鋼纏繞設(shè)備的控制系統(tǒng)中，設(shè)計了一種新型模糊神經(jīng)網(wǎng)絡(luò)控制器。
• 29、在“雙電源二次激勵法”的基礎(chǔ)上，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)研制了一種“移動式濕型砂質(zhì)量參數(shù)快速測試車”。
• 30、基于混沌神經(jīng)網(wǎng)絡(luò)的供配電系統(tǒng)故障診斷，采用引入動量項和混沌映射的改進(jìn)算法。
• 31、基于這些決定性因素，用神經(jīng)網(wǎng)絡(luò)的方法建立了一個用于個性化網(wǎng)站界面風(fēng)格和布局設(shè)計的用戶模型。
• 32、盡管神經(jīng)網(wǎng)絡(luò)是一類黑箱式的非線性映射，但它具有良好的自學(xué)習(xí)能力。
• 33、已有的研究結(jié)果表明，混沌神經(jīng)網(wǎng)絡(luò)在求解復(fù)雜優(yōu)化問題和聯(lián)想記憶等方面比現(xiàn)有網(wǎng)絡(luò)有著更好的性能。
• 34、神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的優(yōu)化方法。
• 35、仿真結(jié)果表明效果良好，且從算法的簡便性、收斂性及運算速度上來說，優(yōu)于一般的模糊辨識和神經(jīng)網(wǎng)絡(luò)辨識算法。
• 36、基于模糊邏輯理論和人工神經(jīng)元網(wǎng)絡(luò)，提出了將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于變壓器故障診斷的方法。
• 37、本文在總結(jié)已有研究成果的基礎(chǔ)上，運用模糊數(shù)學(xué)方法及神經(jīng)網(wǎng)絡(luò)技術(shù)，討論并建立了凝汽器故障診斷模型。
• 38、有了這樣大規(guī)模的模型，不僅可以模擬肌節(jié)與肌節(jié)之間的神經(jīng)網(wǎng)絡(luò)，還可以模擬到由基底神經(jīng)節(jié)開始的行為起始部分。
• 39、細(xì)胞神經(jīng)網(wǎng)絡(luò)由于其連續(xù)時間的特性，因此在圖象處理和圖形辯識方面有著潛在的應(yīng)用。
• 40、將其應(yīng)用于青島膠州灣海區(qū)底質(zhì)分類識別研究中，通過與標(biāo)準(zhǔn)的神經(jīng)網(wǎng)絡(luò)的分類結(jié)果進(jìn)行比較表明，該方法在分類速度以及精度上都有了較大提高。
• 41、針對一類典型過程控制系統(tǒng)中存在的非線性和參數(shù)不確定問題，提出了神經(jīng)網(wǎng)絡(luò)的建模方法。
• 42、潛艇指揮決策控制過程是一個典型的模糊過程，模糊神經(jīng)網(wǎng)絡(luò)能夠較好地處理模糊信息，并具備模糊推理能力。
• 43、本課題旨在研究基于神經(jīng)網(wǎng)絡(luò)的指針式壓力表的自動讀數(shù)系統(tǒng)，為指針式壓力表的自動判讀技術(shù)的發(fā)展解決問題。
• 44、應(yīng)用人工智能、神經(jīng)網(wǎng)絡(luò)等新興學(xué)科理論，提出了地下工程力學(xué)綜合集成智能的分析方法。
• 45、依據(jù)神經(jīng)元模型的幾何解釋，提出一種新的構(gòu)造型神經(jīng)網(wǎng)絡(luò)分類算法。
• 46、預(yù)測的結(jié)果顯示，預(yù)報為甲級預(yù)報，遺傳算法改進(jìn)的神經(jīng)網(wǎng)絡(luò)預(yù)測河流開河封河是完全可行的。
• 47、本文對神經(jīng)網(wǎng)絡(luò)的控制算法做了深入研究，并以人工氣候室的照度控制為對象，做了大量的仿真研究和實際應(yīng)用。
• 48、用神經(jīng)網(wǎng)絡(luò)方法對真空感應(yīng)爐進(jìn)行狀態(tài)監(jiān)測和故障診斷，為故障診斷系統(tǒng)的開發(fā)提供有益的參考。
• 49、由于粗神經(jīng)網(wǎng)絡(luò)的誤差傳遞函數(shù)不可微，所以采用遺傳算法來訓(xùn)練粗神經(jīng)網(wǎng)絡(luò)。
• 50、本文提出了一種基于神經(jīng)網(wǎng)絡(luò)的航空發(fā)動機(jī)整機(jī)振動故障診斷方法，詳細(xì)闡述了該方法的數(shù)學(xué)原理及其實現(xiàn)算法。
• 51、針對真空感應(yīng)爐生產(chǎn)過程中溫度測量成本較高及精度較差等不足，建立了基于神經(jīng)網(wǎng)絡(luò)的真空感應(yīng)爐終點鋼水溫度預(yù)報模型。
• 52、本文研究了一類神經(jīng)網(wǎng)絡(luò)優(yōu)化特性的一些問題。對其解的特性、可行解空間的劃分及吸引區(qū)特性進(jìn)行了研究。
• 53、本文采用多層感知器建立了微帶不連續(xù)性的神經(jīng)網(wǎng)絡(luò)模型。
• 54、此外，增加介紹了乙烯廠的工程項目情況，并對塔釜乙烯純度建立了神經(jīng)網(wǎng)絡(luò)模型，在此基礎(chǔ)上進(jìn)行了模糊控制的仿真，是此研究課題實際建立模型的有益補(bǔ)充。
• 55、生產(chǎn)裝置的操作優(yōu)化核心是裝置數(shù)學(xué)模型的建立，為此采用了非線性網(wǎng)絡(luò)映射的方法，成功地建立了優(yōu)化約束目標(biāo)的神經(jīng)網(wǎng)絡(luò)模型。
• 56、語音識別系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)完成的源代碼，已經(jīng)過測試。
• 57、以國產(chǎn)某型無人機(jī)空飛時振動傳感器測得的振動削波數(shù)據(jù)為研討對象，選用歸歸剖析法、神經(jīng)網(wǎng)絡(luò)法和三次樣條插值法對削波數(shù)據(jù)入行預(yù)測恢復(fù)。
• 58、根據(jù)多分類器組合原理，提出一種基于神經(jīng)網(wǎng)絡(luò)的多分類器組合模型。
• 59、研究了應(yīng)用線性網(wǎng)絡(luò)對組合導(dǎo)航多傳感器信息進(jìn)行融合的方法，在此基礎(chǔ)上提出了一種神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航容錯算法。
• 60、總結(jié)全文，展望神經(jīng)網(wǎng)絡(luò)建模和智能數(shù)字濾波技術(shù)在航空發(fā)動機(jī)領(lǐng)域的重要性及其應(yīng)用。
• 61、針對無刷直流力矩電機(jī)做了神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)仿真，并與控制做了比較。
• 62、說明：捐款給世寶，支持易語言漢語編程人工智能數(shù)字神經(jīng)網(wǎng)絡(luò)飛船與機(jī)器人設(shè)計等事業(yè)。
• 63、針對主動隔振系統(tǒng)存在非線性，提出一種基于神經(jīng)網(wǎng)絡(luò)控制器的主動控制方法。
• 64、具體是將所有的樣本投影到特徵臉子空間中，并將每一個樣本得到的特徵系數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入。
• 65、以三峽庫區(qū)巴東縣黃土坡區(qū)斜坡穩(wěn)定性區(qū)劃為例，用神經(jīng)網(wǎng)絡(luò)模型和信息量模型兩種方法進(jìn)行了斜坡穩(wěn)定性預(yù)測，取得了滿意的效果。
• 66、該推理模型前級采用神經(jīng)網(wǎng)絡(luò)并行子網(wǎng)，用于目標(biāo)的預(yù)分類，后級采用證據(jù)理論用于多周期的不確定性推理和概率的全局分配。
• 67、一般對特定的基于多層感知器的故障診斷問題，很難確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。
• 68、仿真結(jié)果顯示，就算例而言，該量子神經(jīng)計算網(wǎng)絡(luò)的性能優(yōu)于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)。
• 69、給出了電流繼電器、圓特性以及四邊型特性阻抗繼電器的神經(jīng)網(wǎng)絡(luò)模型，并證明了三種模型都具有很強(qiáng)的自適應(yīng)性。
• 70、軟件算法方面，以“兩點法”為基礎(chǔ)，輔之以基于場景的神經(jīng)網(wǎng)絡(luò)算法對紅外焦平面陣列進(jìn)行非均勻性校正。
• 71、二是從語言大腦神經(jīng)網(wǎng)絡(luò)物質(zhì)依托的角度出發(fā)，論證概念結(jié)構(gòu)是個有限的組織，它能產(chǎn)生無限的具體概念結(jié)構(gòu)。
• 72、根據(jù)灌腸術(shù)原理和臨床的需求，提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)控制的結(jié)腸灌注透析治療機(jī)。
• 73、神經(jīng)網(wǎng)絡(luò)有良好地自學(xué)習(xí)和自感應(yīng)能力。
• 74、模糊神經(jīng)網(wǎng)絡(luò)用于控制糾偏機(jī)構(gòu)的運動。
• 75、提出用神經(jīng)網(wǎng)絡(luò)控制器實現(xiàn)大偏差范圍內(nèi)的解耦控制，由控制實現(xiàn)小偏差時的快速穩(wěn)定并消除靜差。
• 76、為消去多余坐標(biāo)引入了神經(jīng)網(wǎng)絡(luò)，建立了以廣義坐標(biāo)為自變量的等效轉(zhuǎn)動慣量的數(shù)學(xué)模型。
• 77、通過系統(tǒng)辨識的仿真實例，說明了隱層神經(jīng)元激勵函數(shù)對網(wǎng)絡(luò)性能的影響，還驗證了文中提出的神經(jīng)網(wǎng)絡(luò)具有更快的收斂速度，并且能有效地避免算法陷入局部最小。
• 78、實驗結(jié)果表明，基于主動空氣軸承的模糊神經(jīng)網(wǎng)絡(luò)振動主動控制可以有效減小溜板振動。
• 79、首先將被控對象進(jìn)行離線辨識，確定的初始權(quán)值再進(jìn)行神經(jīng)網(wǎng)絡(luò)在線控制，從而能夠進(jìn)一步提高系統(tǒng)的控制精度。
• 80、文中設(shè)計了基于神經(jīng)網(wǎng)絡(luò)的測井解釋系統(tǒng)，討論了系統(tǒng)的結(jié)構(gòu)、后傳算法以及實現(xiàn)的途徑。
• 81、因此，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)建立熱粘塑性材料的本構(gòu)關(guān)系具有重要的工程應(yīng)用價值。
• 82、吐血推薦在進(jìn)行神經(jīng)網(wǎng)絡(luò)編程的朋友下載。
• 83、實踐證明這種遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)收斂速度快、推廣性強(qiáng)，具有較高的實際應(yīng)用價值。
• 84、探索了將神經(jīng)網(wǎng)絡(luò)用于焊接熔池圖像處理的方法，采用神經(jīng)網(wǎng)絡(luò)對二值化熔池圖像進(jìn)行邊緣提取，取得了理想的效果。
• 85、采取附加動量項和自適應(yīng)學(xué)習(xí)步長的措施，解決了神經(jīng)網(wǎng)絡(luò)局部收斂和學(xué)習(xí)時間過長的問題。
• 86、通過進(jìn)一步完善，如把神經(jīng)網(wǎng)絡(luò)、小波變換等理論方法集成到控制軟件中，可用于汽車尾氣、煙道氣體等多組分氣體分析領(lǐng)域。
• 87、對自然計算理念給出統(tǒng)一的框架描述，并以反饋式神經(jīng)網(wǎng)絡(luò)和群體智能算法為例加以具體論述。
• 88、初步結(jié)果表明，神經(jīng)網(wǎng)絡(luò)方法可以應(yīng)用于崩岸的預(yù)則。
• 89、神經(jīng)網(wǎng)絡(luò)作為一種新型的優(yōu)化算法，可以替代自適應(yīng)均衡算法中的橫向濾波器，在數(shù)字通信系統(tǒng)中得到了廣泛應(yīng)用。
• 90、本文綜合考慮水源、水壓、隔水層、斷層等因素對煤層底板突水的影響，建立了煤層底板突水人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型。
• 91、然后采用雷達(dá)海面回波中的水平極化雷達(dá)數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，結(jié)果表明所設(shè)計的神經(jīng)網(wǎng)絡(luò)能夠很好的模擬海雜波，單步預(yù)測誤差較小。
• 92、貝葉斯神經(jīng)網(wǎng)絡(luò)中，每個權(quán)值和誤差被視為隨機(jī)變量，它們的先驗概率分布是遵從正態(tài)分布的。
• 93、針對無指針式儀表表盤的數(shù)字識別問題，提出一種基于特征提取和粗糙集特征約簡的神經(jīng)網(wǎng)絡(luò)數(shù)字識別方法。
• 94、討論了神經(jīng)網(wǎng)絡(luò)在往復(fù)泵故障診斷中的應(yīng)用，并對訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行了仿真測試，仿真結(jié)果表明網(wǎng)絡(luò)有較高診斷正確率。
• 95、提出了基于神經(jīng)網(wǎng)絡(luò)實現(xiàn)多特征融合的地形匹配算法，充分利用地形的各種不同的統(tǒng)計特征和幾何特征，構(gòu)造了一種地形匹配網(wǎng)絡(luò)模型。
• 96、實驗表明，智能神經(jīng)網(wǎng)絡(luò)系統(tǒng)組成原理將面向?qū)ο蟆⒎栠壿嬋谟?em class="special">神經(jīng)網(wǎng)絡(luò)中，提供了構(gòu)造功能完備的智能系統(tǒng)的途徑。
• 97、針對無指針式儀表表盤的數(shù)字識別問題，提出了一種基于特征提取和粗糙集特征約簡的神經(jīng)網(wǎng)絡(luò)數(shù)字識別方法。
• 98、以甘肅省河西走廊西部疏勒河為例，建立了干旱內(nèi)陸河流水質(zhì)預(yù)測的人工神經(jīng)網(wǎng)絡(luò)模型。
• 99、顯然，這與神經(jīng)網(wǎng)絡(luò)在解決小規(guī)模問題時正確率高、訓(xùn)練速度快相符合。
• 100、為了簡化模型庫開發(fā)過程，僅采用初始空間映射和神經(jīng)網(wǎng)絡(luò)空間映射來構(gòu)造增強(qiáng)模型。