(1) 利伯曼猜想，小孩的自我神經(jīng)網(wǎng)絡<)，提高了該模型的預報準確性。

(106) 依據(jù)RBF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)絡分類算法。

(107) 文中介紹光互連的特點、功能、形式，以及在光計算機和光神經(jīng)網(wǎng)絡中的作用。

(108) 本文采用基于知識的人工神經(jīng)網(wǎng)絡模型模擬微帶徑向短截線的特性，利用已經(jīng)具有的先驗知識減小神經(jīng)網(wǎng)絡輸入輸出映射關(guān)系的復雜程度有效減少了訓練樣本的數(shù)量。

(109) 然后采用前向神經(jīng)網(wǎng)絡進行整經(jīng)軸數(shù)預測。

(110) 根據(jù)影響水面蒸發(fā)的主要氣象因素，利用人工神經(jīng)網(wǎng)絡的學習、記憶功能，研究了一種新的水面蒸發(fā)計算方法。

(111) 提出基于粗神經(jīng)網(wǎng)絡確定影響礦內(nèi)通風風流穩(wěn)定性主要風路的方法。

(112) 應用地震相分析、波阻抗反演和神經(jīng)網(wǎng)絡技術(shù)，分別對小洼油田和陳家洼陷的隱蔽油氣藏進行了識別和預測。

(113) 以晉城無煙煤的實驗數(shù)據(jù)對人工神經(jīng)網(wǎng)絡進行了訓練,獲得了較好的過程模擬結(jié)果.

(114) 以人工神經(jīng)網(wǎng)絡中的自適應共振理論為基礎(chǔ)，研究了用光標在電腦屏幕上進行手寫輸入的字符識別方法。

(115) 在第四章，我們給出了變時滯高階BAM神經(jīng)網(wǎng)絡模型周期解存在及其全局指數(shù)穩(wěn)定的幾個充分性定理。

(116) 研究了RBF神經(jīng)網(wǎng)絡故障診斷模型及學習規(guī)則，給出了基于粗糙集理論的RBF神經(jīng)網(wǎng)絡故障診斷原理和步驟。

(117) 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)絡空間映射來構(gòu)造增強模型。

(118) 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)絡飛船與機器人設計等事業(yè)。

(119) 將其應用于青島膠州灣海區(qū)底質(zhì)分類識別研究中，通過與標準的LVQ神經(jīng)網(wǎng)絡的分類結(jié)果進行比較表明，該方法在分類速度以及精度上都有了較大提高。

(120) 在對員工素質(zhì)測評數(shù)據(jù)分析的基礎(chǔ)上，建立了一套能夠模擬統(tǒng)計人員對測評數(shù)據(jù)進行統(tǒng)計計算的神經(jīng)網(wǎng)絡測評系統(tǒng)。

(121) 用神經(jīng)網(wǎng)絡方法對真空感應爐進行狀態(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。

(122) 在此模型的基礎(chǔ)上，用神經(jīng)網(wǎng)絡迭代法從測得的天線溫度反演了隱身涂層材料的的相對介電常數(shù)、相對磁導率。

(123) 鑒于該方法只能識別梁中的單處損傷，提出了結(jié)合移動質(zhì)量法和神經(jīng)網(wǎng)絡進行結(jié)構(gòu)損傷識別的方法。

(124) 細胞神經(jīng)網(wǎng)絡由于其連續(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用。

(125) 采用神經(jīng)網(wǎng)絡對耦合微帶線進行建模，并將此模型應用到耦合微帶線的分析與設計中。

(126) 神經(jīng)網(wǎng)絡權(quán)值和閾值的優(yōu)化方法.

(127) 本文運用卡爾曼濾波原理，提出了一種新的神經(jīng)網(wǎng)絡學習算法。該算法的學習速度是由帶時間參數(shù)的里卡蒂微分方程來確定的。

(128) 為了解決動態(tài)紅外點目標多光譜模式識別問題，提出了一種利用神經(jīng)網(wǎng)絡并行子網(wǎng)作為前級處理，證據(jù)理論于后級融合的多周期模式識別推理模型。

(129) 實際上，復交替投影神經(jīng)網(wǎng)絡不僅可用于信號處理中的帶限信號外推，還可用于選頻、陷波等場合。

(130) 對用人工神經(jīng)網(wǎng)絡識別往復泵活塞磨損故障進行了研究。

(131) 它不僅有助于科學家對機器學習和神經(jīng)計算的深入研究，還有助于普通工程技術(shù)人員利用神經(jīng)網(wǎng)絡技術(shù)來解決真實世界中的問題。

(132) 仿真結(jié)果顯示，就算例而言，該量子神經(jīng)計算網(wǎng)絡的性能優(yōu)于傳統(tǒng)的神經(jīng)網(wǎng)絡。

(133) 將文化差分進化算法用于訓練補償模糊神經(jīng)網(wǎng)絡，建立乙烯精餾塔產(chǎn)品質(zhì)量軟測量模型。

(134) 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)絡的結(jié)構(gòu)。

(135) 通過分析二維FIR線性相位濾波器的幅頻響應特性，建立了神經(jīng)網(wǎng)絡算法。

(136) 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)絡控制的結(jié)腸灌注透析治療機。

(137) 從信息論角度出發(fā)，利用神經(jīng)網(wǎng)絡非線性時間序列預測模型，構(gòu)造了油田產(chǎn)油量、產(chǎn)水量的多維時間序列神經(jīng)網(wǎng)絡預測器。

(138) 首先將被控對象進行離線辨識,確定NNC的初始權(quán)值再進行神經(jīng)網(wǎng)絡在線控制,從而能夠進一步提高系統(tǒng)的控制精度.

(139) 由于粗神經(jīng)網(wǎng)絡的誤差傳遞函數(shù)不可微，所以采用遺傳算法來訓練粗神經(jīng)網(wǎng)絡。

(140) 應用BP神經(jīng)網(wǎng)絡對數(shù)字進行識別，其圖像的預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行特征向量的提取。

(141) 實踐證明這種遺傳神經(jīng)網(wǎng)絡預測系統(tǒng)收斂速度快、推廣性強，具有較高的實際應用價值。

(142) 本文以提高控制器的控制效果為目標，將神經(jīng)網(wǎng)絡與PID控制相結(jié)合，分別對單變量系統(tǒng)和多變量系統(tǒng)的神經(jīng)網(wǎng)絡結(jié)構(gòu)的PID控制進行了深入研究和探索。

(143) 顯然，這與神經(jīng)網(wǎng)絡在解決小規(guī)模問題時正確率高、訓練速度快相符合。

(144) 結(jié)果表明：利用人工神經(jīng)網(wǎng)絡模型的非線性映射功能，可以較好地給出工程爆破引起的區(qū)自由場力學規(guī)律，對于同類型問題的研究，也有著很重要的意義。

(145) 布拉德利總共找到了七個關(guān)鍵的因素，其中包括了他創(chuàng)造的神經(jīng)網(wǎng)絡的判斷，同時他認為這個因素對預測股票走勢是有幫助的。

(146) 針對中藥方劑功效歸納問題，提出了一種基于人工神經(jīng)網(wǎng)絡新的高維數(shù)據(jù)歸約方法。

(147) 給出了一種高精度的磁羅經(jīng)航向系統(tǒng)，應用神經(jīng)網(wǎng)絡進行剩余自差的自動校正。

(148) 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)預測的人工神經(jīng)網(wǎng)絡模型。

(149) 提出了一種用于船舶噪聲分類的局域自適應子波神經(jīng)網(wǎng)絡分類方法。

(150) 本文提出一種改進的神經(jīng)網(wǎng)絡結(jié)構(gòu)，它由線性網(wǎng)絡和多層前向網(wǎng)絡兩部分組成。