1、為此，本文提出了一種帶可以修正激勵函數的算法，其特點(diǎn)是它能更好地模擬人腦神經(jīng)元的特性。
2、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。
3、以往的算法調節神經(jīng)元網(wǎng)絡(luò )的權值，其網(wǎng)絡(luò )的隱層結點(diǎn)數、網(wǎng)絡(luò )學(xué)習快慢程度及網(wǎng)絡(luò )的泛化能力都與網(wǎng)絡(luò )的激勵函數有關(guān)的。
4、新的網(wǎng)絡(luò )激勵函數和訓練算法切實(shí)滿(mǎn)足過(guò)程控制的需要。?
5、本文通過(guò)強夯振動(dòng)頻域分析，提出了介質(zhì)作用函數和強夯激勵函數的計算方法，對于強夯振動(dòng)規律的認識和巖土體動(dòng)力學(xué)特性的研究具有重要意義。
6、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。
7、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。
8、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 )。
9、經(jīng)數值計算結果表明，選擇徑向基函數作為隱層的激勵函數，可以得到較好的樣本擬合效果。
10、通過(guò)系統辨識的仿真實(shí)例，說(shuō)明了隱層神經(jīng)元激勵函數對網(wǎng)絡(luò )性能的影響，還驗證了文中提出的神經(jīng)網(wǎng)絡(luò )具有更快的收斂速度，并且能有效地避免算法陷入局部最小。激勵函數造句。
11、本文提出基于新的激勵函數算法建立誤差預測模型，修正新型廣義預測算法的預測輸出。
12、針對背景輻射均勻穩定，劑量速率較小和太陽(yáng)耀斑突發(fā)、劑量速率大的特點(diǎn)，對激勵函數進(jìn)行不同處理，從而得到不同的理論模型。
13、以觸發(fā)器為例，提出了一種基于觸發(fā)器行為的、激勵函數的最小化技術(shù)。
14、引入了基于其它契約變量的激勵函數，提高了政府效用和企業(yè)實(shí)施綠色物流的努力程度。
15、使用了高斯函數作為神經(jīng)網(wǎng)絡(luò )的激勵函數，并以最小二乘準則對字符進(jìn)行識別。
16、同時(shí)在激勵函數單調遞增的條件減弱的情況下，給出了兩條漸近穩定的定理，并給了嚴格的數學(xué)證明。