1)LVQ neural networkLVQ神经网络
1.Classification of surface defects for Cold rolled strips based on LVQ neural network;基于LVQ神经网络的冷轧带钢表面缺陷分类方法
2.Application of LVQ Neural Network to Classify the Swelling Potential Grades of the Expansive Soil;LVQ神经网络在膨胀土膨胀潜势分类中的应用
3.Application of LVQ neural network in traffic incident detection;LVQ神经网络在交通事件检测中的应用
英文短句/例句
1.Handwritten English Letters Recognition Based on LVQ Neural Network;基于LVQ神经网络的手写英文字母识别
2.Learning Vector Quantization Neural Networks Applied to Credit Rating;LVQ神经网络在信用评级上的应用
3.Prediction of Traffic Congestion Based on LVQ Neural Network基于LVQ神经网络的交通拥堵预测研究
4.Face Recognition Based on NMF and LVQ Neural network基于NMF和LVQ神经网络的人脸识别
5.Classification of Remotely Sensed Imagery Based on LVQ Hierarchical Model;基于LVQ神经网络分层模型的遥感影像分类
6.LVQ Neural Networks Species Identification Based on Echolocation Calls of Bat;基于蝙蝠回声定位叫声的LVQ神经网络种类识别
7.A Study on Algorithm of Edge Detection of Digital Image Based on LVQ Neural Networks;基于LVQ神经网络数字图像边缘检测算法的研究
8.Financial crisis warning based on LVQ neural network;基于LVQ神经网络模型的企业财务危机预警
9.Application of LVQ Neural Network in Classification of Surface Defects for Arc Segments Ceramic MagnetLVQ神经网络在磁瓦表面缺陷分类中的运用
10.The Empirical Studying on Detecting the Fraudulent Financial Statements Based on LVQ Neural Network基于LVQ神经网络的财务舞弊识别模型实证研究
11.Dollar Recognition Based on Expressive Features and Improved LVQ基于描述特征改进的LVQ神经网络美元识别研究
12.Research of Intrusion Detection Model Based on Rough Set and LVQ Neural Network基于粗糙集-LVQ神经网络的入侵检测模型研究
13.Research on the Method of Extracting Sawtimber Surface Defect Feature Based on LVQ Neural Network;基于LVQ神经网络的锯材表面缺陷特征提取方法研究
14.Image Classification of Remote Sensing and Its Application Based on LVQ Neural Network and Gray Level Co-occurrence Matrix基于LVQ神经网络和灰度共生矩阵的遥感图像分类及其应用
15.Study of Relationship of NIHSS and TCM Standardized Sheet of Apoplexy Syndromes Diagnosis base on LVQ Neural Networks基于LVQ神经网络的NIHSS与中风病证候量表的关系研究
16.Application of SOM Neural Networks Based on LVQ in Intrusion Detection基于LVQ算法的SOM神经网络在入侵检测系统中的应用
17.The Application of LVQ Network Model to the Forecast of Droughts and FloodsLVQ学习矢量量化神经网络模型在旱涝预测中的应用
18.Speech Recognition Method Based on Improved LVQ and DTW改进的LVQ网络与DTW相结合的语音识别方法
相关短句/例句
LVQ artificial neural networkLVQ人工神经网络
3)Self-organizing and LVQ NN自组织与LVQ神经网络
4)line vector quantization (LVQ) neural network矢量量化(LVQ)神经网络
5)learning vector quantization(LVQ) neural network学习向量量化神经网络(LVQ)
6)LVQ neural networkLVQ网络
1.First of all,the collected pressure-difference fluctuation signals were decomposed into a finite number of stationary intrinsic mode function(IMFs),then a number of IMFs containing main flow regime information were selected,from which time domain feature indicator-kurtosis coefficient that serves as input parameter of LVQ neural network was extracted in order to identify the flow regimes.对水平管内空气—水两相流流型的识别结果表明:以EMD为预处理器提取峭度系数的LVQ网络识别方法具有更高的识别率,可以准确、有效地识别流型。
2.LVQ neural network has the advantage of the pattern-identification.结果表明,利用LVQ网络进行模式识别是合适的,所构建的预警模型能够有效地预测企业的财务危机。
3.An approach to mechanism type selection is proposed according to the nonlinear mapping and clustering characteristic of LVQ neural network.实例表明,采用LVQ网络进行机构选型是合适的,相对于BP网络具有更好的模式分类识别特性。
延伸阅读
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。
