动态回归神经网络,dynamic recurrent neural network
1)dynamic recurrent neural network动态回归神经网络
1.Then adynamic recurrent neural network(DRNN)was built to discover the hidden spatial correlation.构建了一个随机的时间序列模型获得每一个空间上相互独立部分的时间预测,然后建立动态回归神经网络(DRNN)发现隐藏的空间关系,最后用统计回归方法把单个时间和空间预测整合起来产生最终预测。
2.A spatial-temporal integrated forecast method of forest fire was proposed in this paper by combiningdynamic recurrent neural network(DRNN) and autoregressive integrated moving average(ARIMA) model.提出一种基于动态回归神经网络(DRNN)和自回归集成移动平均(ARIMA)组合模型的森林火灾时空综合预测方法。
英文短句/例句
1.Stock Market Forecasting Research Based on GA-Elman Neural Network;基于GA-Elman动态回归神经网络的股价预测模型研究
2.Dynamic Linear Regression Modeling and Real-time Prediction Based on Bayesian Network and Neural Network;基于贝叶斯-神经网络的动态回归建模与预测
3.Load On-line Prediction based on Dynamic GRNN Neural Network应用动态泛回归神经网络的在线负荷预测
4.Dynamic T-S Recurrent Fuzzy Neural Networks and Its Application动态T-S递归模糊神经网络及其应用
5.The Application of Dynamic Recurrent Neural for Induction Motor Control;动态递归神经网络在异步电机控制上的应用
6.Research on Image Restoration Technology Based on Dynamic Recurrent RBF Neural Network;基于动态递归RBF神经网络的图像恢复技术研究
7.Short-term Load Forecasting Model Based on Optimized Dynamic Recurrent Wavelet Neural Network优化动态递归小波神经网络短期负荷预测模型
8.Application and Comparison of Fluid-Sediment ANN Prediction Model with Empirical Model基于神经网络的水沙运动预报模型与回归模型比较及应用
9.Motion Identification of Finger Based on Auto-regressive Model and Learning-vector-quantization Neural Network基于自回归模型和学习矢量量化神经网络的手指动作识别
10.Sliding Mode Backstepping Control of Induction Motor Based on Self-recurrent Wavelet Neural Networks基于自回归小波神经网络的感应电动机滑模反推控制
11.Study on the Recurrent Neural Network Dynamical Identification and Its Application to Ship Motion Control递归神经网络的动态系统辨识及其在船舶运动控制中的应用研究
12.Grid Performance Prediction Based on General Regression Neural Network;基于广义回归神经网络的网格性能预测
13.Study on Identification by Dynamic Recurrent Fuzzy Neural Networks and Robust Control for Electro-hydraulic Servo System;电液伺服系统的动态递归模糊神经网络辨识与鲁棒控制研究
14.The Research of Recurrent Neural Network and Its Application on Nonlinear Dynamic System Identification;递归神经网络的研究及在非线性动态系统辨识中的应用
15.Deformation Prediction of Country Rock of High Wall in Underground House Based on Chaos-Dynamic Recurrent Neural Network基于混沌-动态递归神经网络的地下厂房高边墙围岩变形预报
16.pH Modeling of Fermentation Process Based on Improved Dynamic Recurrent Neural Networks基于改进动态递归神经网络的发酵过程pH值辩识
17.Application of simple dynamic recurrent neural network in non-linear system identification简单动态递归神经网络在非线性系统辨识中的应用
18.A New Dynamical Recurrent-Intuitionistic Fuzzy Neural Network and Its Learning Algorithm一种新型的动态递归-直觉模糊神经网络及其学习算法
相关短句/例句
dynamic recurrent neural networks动态回归神经网络
1.This paper presents an adaptive coposite control architecture for robot manipulators based ondynamic recurrent neural networks (DRNN).针对模型未知和动力学非线性机器人轨迹跟踪，提出了一种基于分布式动态回归神经网络（ＤＲＮＮ）的自适应控制方法。
2.First, the state equations and output equations are obtained bydynamic recurrent neural networks, repectively.首先,利用动态回归神经网络建立其状态方程和输出方程,用Lyapunov理论证明了辩识误差∈L∞;然后,设计状态反馈控制器,使系统的输出跟踪参考输出,从理论证明了跟踪误差趋于零。
3)dynamic feedback neural network动态递归神经网络
1.In this approach, the mode! of MWD in polymerization process is built utilizing a complex neural network, which is combined with B-spline neural network anddynamic feedback neural network.本文介绍了利用B样条和动态递归神经网络相结合组成的复合神经网络建立聚合物分子量分布(MWD)模型的方法和拓扑结构,并在此基础上,提出了基于模型预估的控制MWD的新方法。
4)dynamic recurrent neural networks动态递归神经网络
1.Static mapping neural networks anddynamic recurrent neural networks are two kinds of important neural networks.静态映射神经网络和动态递归神经网络是两种重要的神经网络，前者在系统辨识和控制中得到了广泛的研究和应用；后者能够逼近系统的动态过程，具有良好的稳定性和收敛性，文中针对一类非线性系统，采用动态递归神经网络，结合Ｌｙａｐｕｎｏｖ稳定性理论，综合了稳定的自适应控制器，同时给出了神经网络的自学习律。
2.A nonlinear dynamic process is reconstructed by usingdynamic recurrent neural networks (DRNN).给出了利用动态递归神经网络 (DRNN)重构一个非线性动态过程的方法 ,对权值调整算法进行了推导。
3.To solve these problems,pH modeling fermentation process based on improveddynamic recurrent neural networks is studied.针对这些问题,将改进的动态递归神经网络应用于pH值的辩识研究。
5)dynamic recurrent neural network动态递归神经网络
1.Immune PSO-baseddynamic recurrent neural network for identifying and controlling nonlinear systems;基于免疫粒子群优化的一种动态递归神经网络辨识与控制非线性系统
2.Investigation of nonlinear system based on adaptive control withdynamic recurrent neural network;基于动态递归神经网络的自适应控制非线性系统研究
3.Application of simpledynamic recurrent neural network in non-linear system identification简单动态递归神经网络在非线性系统辨识中的应用
6)dynamic recurrent fuzzy neural network动态递归模糊神经网络
1.A noveldynamic recurrent fuzzy neural network is presented in this paper, and its dynamic back propagation algorithm is formulated according its mathematic models.提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导出其动态反向传播学习算法,仿真结果表明对于动态系统的辨识,动态递归模糊神经网络较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果。
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。
