1)neural network identification神经网络辨识
1.The neural network identification model(NNIM) is used to predict future response to potential control signals of the FTGS.利用神经网络辨识模型(NNIM)预测FTGS对控制信号的反应,并采用优化算法计算来优化未来FTGS性能的控制信号。
2.Finally, the simulation examples verify the effectiveness of BP network in fuzzy network identification and neural network identification.通过比较两者的优缺点，分别给出了两种系统的辨识方案，最后通过仿真实例，验证了BP网络在模糊辨识、神经网络辨识中的有效性。
英文短句/例句
1.Identification method for nonlinear dynamic system using Wiener neural network非线性动态系统的Wiener神经网络辨识法
2.Training BP neural networks with ACO for identification of chaotic systems蚁群算法训练神经网络辨识混沌系统
3.Model establishment and BP neural networks identification for dynamic weighing system动态称重系统的建模及神经网络辨识
4.PID Parameters Tuning and Neural Network Identification of the Twin Rotor MIMO System;双旋翼系统的PID参数整定与神经网络辨识
5.Identification and Nonlinear Control on Magnetic Floating Bearing;磁悬浮轴承的神经网络辨识与非线性控制
6.The Research of Neural Network Identification and Control of Vibration Systems;机械振动系统的神经网络辨识与控制的研究
7.Nonlinear system identification using a Bayesian Gaussian neural network贝叶斯-高斯神经网络非线性系统辨识
8.Neural network based model identification of robot arm基于神经网络的机器人手臂模型辨识
9.Neural Network s Application for Non-Linear System Identification;神经网络在非线性系统辨识中的应用
10.Application of BP Neural-network in Speed Estimation of Direct Torque Control System of Induction MotorBP神经网络在DTC速度辨识中的应用
11.The data identification of mine gas based on BP neural network基于BP神经网络的煤矿瓦斯数据辨识
12.RBF Neural Network Based on RBF Nearal Network基于RBF神经网络的Hammerstein模型辨识
13.Neural Network Parameter Identification of Electro-hydraulic Load Simulator电液负载模拟器的神经网络参数辨识
14.PID Controller of Back Propagation Neural Network Control for SRM Based on BP Neural Network on-line Identification基于BP神经网络在线辨识的开关磁阻电机神经网络自适应PID控制
15.Identification and Control of Nonlinear Systems Using Neural Networks基于神经网络非线性系统辨识和控制的研究
16.Detection and Identification of Electrocardiogram(ECG) with ANN心电图检测与辨识的人工神经网络方法
17.A Study on Neural Networks Based Process Identification and Control;神经网络在过程辨识与控制中的应用研究
18.On the Model Identification and Control of Robots Based on Neural Networks;基于神经网络的机器人模型辨识与控制研究
相关短句/例句
BP neural network identificationBP神经网络辨识
3)neural network identifier神经网络辨识器
4)fuzzy neural networks identification模糊神经网络辨识
1.An electric characteristic model of direct methanol fuel cell (DMFC) was established by using fuzzy neural networks identification technique to cope with the problem that the output voltage of DMFC is significantly influenced by the fuel cell load variation.针对直接甲醇燃料电池(DMFC)输出电压易受电池负载变化影响的问题,提出了利用模糊神经网络辨识技术建立DMFC的电特性模型。
5)neural network identificability神经网络可辨识性
1.Taking hydroelectric generator unit as a quasi-linear homo-tructural variable-parameter system,the paper analyzes its some characteristics and gives the concept of neural network identificability.在分析了水电机组作为准线性同构异参系统有关特性基础上，给出了神经网络可辨识性的定义，论证了ＢＩＢＳ稳定的水轮发电机的神经网络可辨识性。
6)associative memory neural network identification联想记忆神经网络辨识
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。
