1、本文運用計算機視覺(jué)和人工神經(jīng)網(wǎng)絡(luò )技術(shù)對花生仁檢測進(jìn)行了研究。
2、我們傳統的分析很多都是基于指數的假設，這個(gè)就是割尾巴，到后面就是沒(méi)尾巴，這樣就把長(cháng)尾信號都過(guò)濾掉了，我可能是需要一些基于神經(jīng)網(wǎng)絡(luò )的方式。
3、然后采用前向神經(jīng)網(wǎng)絡(luò )進(jìn)行整經(jīng)軸數預測。
4、采用了神經(jīng)網(wǎng)絡(luò )自適應控制方法，改善了非線(xiàn)性，降低了環(huán)境干擾的影響，提高了壓電式移相器的性能。
5、實(shí)驗結果表明，雙電源二次激勵法與人工神經(jīng)網(wǎng)絡(luò )相結合，可以實(shí)現型砂有效粘土含量和含水量的快速在線(xiàn)預測。
6、面對板形板厚控制這一復雜、多變量耦合的非線(xiàn)性系統，提出一種基于模糊神經(jīng)網(wǎng)絡(luò )的綜合控制方案，實(shí)現了無(wú)模型板形板厚綜合控制。
7、在第四章，我們給出了變時(shí)滯高階神經(jīng)網(wǎng)絡(luò )模型周期解存在及其全局指數穩定的幾個(gè)充分性定理。
8、通過(guò)分析二維線(xiàn)性相位濾波器的幅頻響應特性，建立了神經(jīng)網(wǎng)絡(luò )算法。
9、分別采用人工神經(jīng)網(wǎng)絡(luò )法和逐步回歸分析法對原油管道蠟沉積實(shí)驗數據進(jìn)行分析處理，建立蠟沉積速率模型。
10、針對不同樣本之間存在交叉數據的模式識別問(wèn)題，將多層激勵函數的量子神經(jīng)網(wǎng)絡(luò )引入模式識別之中，提出一種基于量子神經(jīng)網(wǎng)絡(luò )的模式識別算法。
11、利用神經(jīng)網(wǎng)絡(luò )動(dòng)態(tài)系統中吸引子和吸引域的特性，本文提出了一類(lèi)新型非線(xiàn)性糾單錯碼。
12、灌溉用水量的預測對于灌區管理工作具有重要的指導意義，使用神經(jīng)網(wǎng)絡(luò )方法預測灌溉用水量。
13、結果表明：神經(jīng)網(wǎng)絡(luò )具有實(shí)測樣本的自學(xué)習功能，對橋梁施工預拱度有較好的精度。
14、采用前向神經(jīng)網(wǎng)絡(luò )建模的軟測量方法，對造紙過(guò)程制漿工段的黑液波美度進(jìn)行測量。
15、在非線(xiàn)性段則用兩個(gè)改進(jìn)的神經(jīng)網(wǎng)絡(luò )分別映射其反函數作為校正環(huán)節，從而實(shí)現非線(xiàn)性誤差校正。
16、收集了原位測試數據，并結合瑞雷面波波速參數，開(kāi)展多參數擬合和神經(jīng)網(wǎng)絡(luò )預測地基承載力的研究。
17、提出了利用層次徑向基神經(jīng)網(wǎng)絡(luò )計算汽輪機末級抽汽和排汽焓的方法，該方法利用汽輪機結構數據和實(shí)際監測數據估算焓值。
18、神經(jīng)網(wǎng)絡(luò )訓練誤差值的選取是一個(gè)具有挑戰性的問(wèn)題。
19、本文采用一類(lèi)正交多項式集合作為神經(jīng)元的激勵函數，構成一個(gè)正交多項式基神經(jīng)網(wǎng)絡(luò )。
20、文中介紹光互連的特點(diǎn)、功能、形式，以及在光計算機和光神經(jīng)網(wǎng)絡(luò )中的作用。
21、在麻花鉆圓度誤差的檢測中，將神經(jīng)網(wǎng)絡(luò )算法引入到相應的數據處理中，以擬合出其棱邊投影的橢圓表達式系數。
22、最終采用了基于主分量分析的神經(jīng)網(wǎng)絡(luò )模型對油氣勘探成本進(jìn)行了預測，并證明了其具有較高的預測精度。
23、以峰峰礦區梧桐莊礦為例，應用神經(jīng)網(wǎng)絡(luò )的方法，對礦井突水水源進(jìn)行了系統研究。
24、只有在成因上，無(wú)條件反射是根據遺傳信息形成的神經(jīng)網(wǎng)絡(luò )結構，而條件反射是后…
25、針對一類(lèi)非線(xiàn)性動(dòng)態(tài)系統，提出了一種新的基于多層神經(jīng)網(wǎng)絡(luò )的自適應預測器，并對基于神經(jīng)網(wǎng)絡(luò )的預測機理進(jìn)行了分析。
26、用前向神經(jīng)網(wǎng)絡(luò )，對純物質(zhì)的蒸氣壓和汽化熱與溫度的函數關(guān)系進(jìn)行預測。
27、本文基于“雙電源二次激勵法”的基本原理，并利用人工神經(jīng)網(wǎng)絡(luò )技術(shù)求得型砂含水量及有效粘土含量。
28、只要用戶(hù)輸入對新結構的描述，選擇算法庫中一種合適的算法就能通過(guò)軟件自動(dòng)生成神經(jīng)網(wǎng)絡(luò )程序。
29、提出了基于徑向基神經(jīng)網(wǎng)絡(luò )的衛星地面站系統建模方法。
30、通過(guò)優(yōu)化組合小波基元激勵函數，大大減小了小波神經(jīng)網(wǎng)絡(luò )的規模，改善了網(wǎng)絡(luò )學(xué)習特性。
31、布拉德利總共找到了七個(gè)關(guān)鍵的因素，其中包括了他創(chuàng )造的神經(jīng)網(wǎng)絡(luò )的判斷，同時(shí)他認為這個(gè)因素對預測股票走勢是有幫助的。
32、提出了一種可分性判據排序的神經(jīng)網(wǎng)絡(luò )屬性選擇方法。
33、軸突生長(cháng)抑制性蛋白在正常發(fā)育過(guò)程中主要參與調控軸突導向、引導軸突生長(cháng)，協(xié)助構建精確的神經(jīng)網(wǎng)絡(luò )。
34、本文介紹了神經(jīng)網(wǎng)絡(luò )的主要特點(diǎn)，一些著(zhù)名的神經(jīng)網(wǎng)絡(luò )模型及應用，以及目前一些大公司的神經(jīng)計算機實(shí)用化研究狀況。
35、提出了一種用于船舶噪聲分類(lèi)的局域自適應子波神經(jīng)網(wǎng)絡(luò )分類(lèi)方法。
36、針對中藥方劑功效歸納問(wèn)題，提出了一種基于人工神經(jīng)網(wǎng)絡(luò )新的高維數據歸約方法。
37、人工智能和人工神經(jīng)網(wǎng)絡(luò )是智能科學(xué)發(fā)展的兩個(gè)方向，機器人技術(shù)是目前取得的階段性的重大成果。
38、本文首先介紹了入口匝道控制和神經(jīng)網(wǎng)絡(luò )理論的背景知識。
39、根據影響水面蒸發(fā)的主要氣象因素，利用人工神經(jīng)網(wǎng)絡(luò )的學(xué)習、記憶功能，研究了一種新的水面蒸發(fā)計算方法。
40、采用神經(jīng)網(wǎng)絡(luò )，建立煉銅轉爐吹煉造銅期終點(diǎn)與各影響因素之間的數學(xué)模型，對吹煉終點(diǎn)進(jìn)行預報。
41、所用的神經(jīng)網(wǎng)絡(luò )算法是從輸入信號的數據中訓練出中心值和寬度值，再訓練通過(guò)用最大熵值的代價(jià)函數推導的權值。
42、然后通過(guò)訓練神經(jīng)網(wǎng)絡(luò )把這些知識儲存于神經(jīng)網(wǎng)絡(luò )的權值中，幷在其它的地震輸人下使用。
43、神經(jīng)網(wǎng)絡(luò )的控制器依賴(lài)于靈敏度信息實(shí)現參數在線(xiàn)調整，獲得靈敏度信息非常重要。
44、提出基于粗神經(jīng)網(wǎng)絡(luò )確定影響礦內通風(fēng)風(fēng)流穩定性主要風(fēng)路的方法。
45、對神經(jīng)網(wǎng)絡(luò )輸出值和實(shí)際值的均方誤差及對比曲線(xiàn)分析的結果表明，該方法對解決工程實(shí)際中預測問(wèn)題具有一定的指導意義。
46、最后，提出了綜合信息融合技術(shù)、人工神經(jīng)網(wǎng)絡(luò )技術(shù)、專(zhuān)家系統知識的智能化異步電動(dòng)機故障診斷系統。
47、本文提出一種基于自適應預測的無(wú)損壓縮方法，該方法利用神經(jīng)網(wǎng)絡(luò )模型自學(xué)習的能力，自適應的調整預測器的預測系數。
48、利用光學(xué)衍射原理，研制成了光纖光柵衍射屏，并與計算機神經(jīng)網(wǎng)絡(luò )相結合，開(kāi)發(fā)了一種識別立體形狀的視覺(jué)系統。
49、在對神經(jīng)網(wǎng)絡(luò )的激勵函數的三個(gè)假設下，研究了具有離散時(shí)滯的神經(jīng)網(wǎng)絡(luò )的穩定性。
50、將文化差分進(jìn)化算法用于訓練補償模糊神經(jīng)網(wǎng)絡(luò )，建立乙烯精餾塔產(chǎn)品質(zhì)量軟測量模型。
51、針對數字電路路徑時(shí)滯故障測試生成較難的問(wèn)題，提出了基于神經(jīng)網(wǎng)絡(luò )的數字電路路徑時(shí)滯故障測試生成算法。
52、該法通過(guò)對粘彈性阻尼結構進(jìn)行神經(jīng)網(wǎng)絡(luò )優(yōu)化設置，從而可以考慮不同地震動(dòng)特性的影響。
53、本文提出一種改進(jìn)的神經(jīng)網(wǎng)絡(luò )結構，它由線(xiàn)性網(wǎng)絡(luò )和多層前向網(wǎng)絡(luò )兩部分組成。
54、本文采用基于知識的人工神經(jīng)網(wǎng)絡(luò )模型模擬微帶徑向短截線(xiàn)的特性，利用已經(jīng)具有的先驗知識減小神經(jīng)網(wǎng)絡(luò )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量。
55、以漫灣徑流實(shí)測序列為研究對象，在數值試驗的基礎上找到了適合于漫灣徑流序列預報的人工神經(jīng)網(wǎng)絡(luò )預報模型結構，提高了該模型的預報準確性。
56、將上述各單項改進(jìn)方法結合運用，提出了改進(jìn)的神經(jīng)網(wǎng)絡(luò )。
57、回顧了近年來(lái)幾種主要混沌神經(jīng)元模型及混沌神經(jīng)網(wǎng)絡(luò )的研究進(jìn)展，介紹了其特點(diǎn)及主要的應用。?
58、他還說(shuō)，將來(lái)的研究會(huì )將和成像技術(shù)結合起來(lái)，從而鞏固作者的推測，即腦細胞的興奮性構建了神經(jīng)網(wǎng)絡(luò )，導致了聯(lián)覺(jué)。
59、具體是將所有的樣本投影到特征臉子空間中，并將每一個(gè)樣本得到的特征系數作為神經(jīng)網(wǎng)絡(luò )的輸入。
60、在稅務(wù)稽查選案中，應用人工神經(jīng)網(wǎng)絡(luò )實(shí)現了稽查選案，表明這一方法是數據挖掘的有效方法。
61、本文以提高控制器的控制效果為目標，將神經(jīng)網(wǎng)絡(luò )與控制相結合，分別對單變量系統和多變量系統的神經(jīng)網(wǎng)絡(luò )結構的控制進(jìn)行了深入研究和探索。
62、本文創(chuàng )新地在凌陽(yáng)單片機內實(shí)現敲擊聲信號的頻譜分析和神經(jīng)網(wǎng)絡(luò )識別，使系統具有墻體空鼓無(wú)損檢測的功能。
63、文中將數據挖掘應用于保險客戶(hù)在信用等級的分類(lèi)中，即采用了基于神經(jīng)網(wǎng)絡(luò )的覆蓋算法作為客戶(hù)信用評分分類(lèi)器的設計算法。
64、最后用訓練好的神經(jīng)網(wǎng)絡(luò )鋒電位信號進(jìn)行分類(lèi)。
65、鑒于該方法只能識別梁中的單處損傷，提出了結合移動(dòng)質(zhì)量法和神經(jīng)網(wǎng)絡(luò )進(jìn)行結構損傷識別的方法。
66、對處于擾動(dòng)狀態(tài)下的預分餾塔的仿真結果表明，該算法可以有效地解決一類(lèi)多神經(jīng)網(wǎng)絡(luò )模型的在線(xiàn)參數辨識問(wèn)題。
67、應用地震相分析、波阻抗反演和神經(jīng)網(wǎng)絡(luò )技術(shù)，分別對小洼油田和陳家洼陷的隱蔽油氣藏進(jìn)行了識別和預測。
68、本文的目的是利用神經(jīng)網(wǎng)絡(luò )實(shí)現離心壓縮機葉輪的逆命題設計。
69、針對超高壓、大容量電力變壓器的早期潛伏性故障，提出了一種基于數學(xué)形態(tài)學(xué)融合多神經(jīng)網(wǎng)絡(luò )的故障診斷新方法。
70、介紹一種用循環(huán)多層感知器神經(jīng)網(wǎng)絡(luò )實(shí)現符號邏輯推理系統的方法。
71、該文提出了一種采用神經(jīng)網(wǎng)絡(luò )實(shí)現仿真線(xiàn)的方法。
72、使用阿斯匹林粉末藥品的近紅外漫反射一階導數光譜數據建立人工神經(jīng)網(wǎng)絡(luò )模型，預測未知樣品。
73、以晉城無(wú)煙煤的實(shí)驗數據對人工神經(jīng)網(wǎng)絡(luò )進(jìn)行了訓練，獲得了較好的過(guò)程模擬結果。
74、建立了自壓式樹(shù)狀管網(wǎng)兩級優(yōu)化設計模型，并用人工神經(jīng)網(wǎng)絡(luò )法實(shí)現樹(shù)狀管網(wǎng)非線(xiàn)性規劃模型的快速求解。
75、在對員工素質(zhì)測評數據分析的基礎上，建立了一套能夠模擬統計人員對測評數據進(jìn)行統計計算的神經(jīng)網(wǎng)絡(luò )測評系統。
76、本文討論了基于神經(jīng)網(wǎng)絡(luò )理論的控制，并將其應用于恒溫恒液位控制系統，利用神經(jīng)網(wǎng)絡(luò )的自學(xué)習能力在線(xiàn)整定控制器參數。
77、以單輛坦克在陸地上的自主機動(dòng)為背景，提出了一種基于神經(jīng)網(wǎng)絡(luò )的坦克機動(dòng)任務(wù)規劃方法。
78、研究結果表明，基于灰色關(guān)聯(lián)度和神經(jīng)網(wǎng)絡(luò )的城市生活垃圾清運量和組分預測模型能有效的預測城市生活垃圾的清運量和組分，具有較好的可行性和適用性。
79、基于模糊數學(xué)評價(jià)法和神經(jīng)網(wǎng)絡(luò )評價(jià)法的優(yōu)點(diǎn)，提出了一種新的大氣質(zhì)量評價(jià)模型。
80、文章在神經(jīng)網(wǎng)絡(luò )的基礎上，建立了黑體爐溫度時(shí)序預測模型。
81、結果表明：利用人工神經(jīng)網(wǎng)絡(luò )模型的非線(xiàn)性映射功能，可以較好地給出工程爆破引起的近區自由場(chǎng)力學(xué)規律，對于同類(lèi)型問(wèn)題的研究，也有著(zhù)很重要的意義。
82、從信息論角度出發(fā)，利用神經(jīng)網(wǎng)絡(luò )非線(xiàn)性時(shí)間序列預測模型，構造了油田產(chǎn)油量、產(chǎn)水量的多維時(shí)間序列神經(jīng)網(wǎng)絡(luò )預測器。
83、神經(jīng)網(wǎng)絡(luò )具有很強的非線(xiàn)性逼近能力和自學(xué)習能力。
84、該算法經(jīng)兩個(gè)常用函數檢驗，并在圖象識別的神經(jīng)網(wǎng)絡(luò )權值訓練中得到應用。
85、針對峰值法中測量路徑規劃問(wèn)題，提出了基于參數模型學(xué)習的神經(jīng)網(wǎng)絡(luò )預測器。
86、研究結果表明，人工神經(jīng)網(wǎng)絡(luò )用于陶瓷原料的模式識別，其結果和實(shí)際一致。
87、目的為提高變風(fēng)量空調系統的動(dòng)態(tài)控制性能，提出基于預測的模糊神經(jīng)網(wǎng)絡(luò )控制方法。
88、針對嚴重非線(xiàn)性失真信道，提出了一種級聯(lián)混合小波神經(jīng)網(wǎng)絡(luò )自適應高均衡器。
89、在此基礎上，利用人工神經(jīng)網(wǎng)絡(luò )構建了金屬錳滲氮過(guò)程的數學(xué)模型，為研究金屬錳在不同滲氮條件下的性能預測奠定了基礎。
90、提出一種船舶航跡保持的在線(xiàn)神經(jīng)網(wǎng)絡(luò )控制器。
91、傳感器數據證實(shí)技術(shù)是測控領(lǐng)域中的關(guān)鍵技術(shù)之一，文中提出了基于神經(jīng)網(wǎng)絡(luò )預測器的傳感器數據證實(shí)技術(shù)。
92、這種方法對高斯噪聲和星座圖由于信號初始相位而引入的旋轉具有良好的穩健性，并避免了神經(jīng)網(wǎng)絡(luò )中的過(guò)學(xué)習和局部極小點(diǎn)等缺陷。
93、采用神經(jīng)網(wǎng)絡(luò )方法建立了重軌生產(chǎn)性能預報模型，并通過(guò)模型結構優(yōu)化提高了模型預報的可靠性。
94、提出了一種基于神經(jīng)網(wǎng)絡(luò )的非線(xiàn)性失真補償技術(shù)。
95、第三類(lèi)觀(guān)點(diǎn)以聯(lián)結和人工神經(jīng)網(wǎng)絡(luò )概念為要素，分別探討了心理場(chǎng)距離和規避損失偏向對選擇偏好的影響。
96、本文在分析二值感知器神經(jīng)網(wǎng)絡(luò )實(shí)現二值數字邏輯運算后，將其推廣到多值邏輯。
97、同時(shí)介紹了相應水位法、有限記憶最小二乘法、人工神經(jīng)網(wǎng)絡(luò )模型的基本原理，并在南京站建立了相應的潮位預報方案。
98、針對光通量衰減與濕度、塵埃比率和鹽密之間相互作用的復雜性，建立了神經(jīng)網(wǎng)絡(luò )數學(xué)模型，訓練后的模型輸出準確度較高。
99、將神經(jīng)網(wǎng)絡(luò )用于顏色量化過(guò)程，提出了符合人眼顏色視覺(jué)特性的顏色模糊量化方法。
100、設計了一種以器件為控制核心，以模糊神經(jīng)網(wǎng)絡(luò )控制為主要算法的智能冷陰極潘寧氣體離子源束流控制系統。