将问题对象所蕴涵的一般性的先验信息耦合到神经网络输出误差代价函数中去,并在该新的误差代价函数中构造约束权值振荡的矫正项(adjustment term)和增加网络推广能力的促进子(promoter),以构造一种新的约束学习算法(CLA),来求解一类神经计算、模式识别、函数逼近和非线性预测等实际问题。这是神经网络领域一个崭新的研究方向。这种新的学习算法因问题先验信息的约束指导,能够最大限度地避免误差
{{i.achievement_title}}
数据更新时间:2023-05-31
基于SSVEP 直接脑控机器人方向和速度研究
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
惯性约束聚变内爆中基于多块结构网格的高效辐射扩散并行算法
Himawari-8/AHI红外光谱资料降水信号识别与反演初步应用研究
物联网中区块链技术的应用与挑战
基于粒子群优化和先验信息的约束学习算法研究
具有先验约束信息的动态定位滤波算法研究
基于先验约束信息的航姿参考系统滤波算法研究
基于先验信息的Boosting算法研究