基于人工神经元网络的模型自动选择理论和方法研究
基本信息
结项摘要
本项目主要研究面向模型选择的人工神经网络结构和面向模型选择的人工神经元学习算法.主要研究结果是:1.在人工神经元网络结构方面提出了根据模糊聚类图确定神经元网络的方法.这种方法首先在计算机上完成对样本集的模糊聚类分析,获得聚类图,然后利用它产生一种适合于该样本集的多层前向神经元网络结构.该方法避免了确定网络结构过程中的盲目性.2.提出了一种样本精简算法,将样本特征空间中距离相近的样本进行合并,从而减少样本数量,加快学习速度.3.提出了通过对语言的理解进行模型选择,通过对数据特征的识别进行模型结构选择的新方法,成功地用于故障分析模型选择、趋势预测模型和ARMA模型结构选择.为神经元管理应用开辟了新的方向.
项目摘要
项目成果
{{i.achievement_title}}
{{i.achievement_title}}
暂无此项成果
数据更新时间：2023-05-31
其他相关文献
Ordinal space projection learning via neighbor classes representation
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
Numerical investigation on aerodynamic performance of a bionics flapping wing
黄梯云的其他基金
相似国自然基金
神经网络与专家系统结合的模型自动选择理论与方法研究
基于神经元网络的多模型自适应控制方法研究
有限混合体数据的自动模型选择理论与应用研究
基于知道逻辑的网上自动选择翻译方法研究