项目研究建立有一定物理基础或概念基础的新型灌排系统神经网络模型的一般性建模理论与方法,探讨灌排系统先验知识改善相应神经网络模型泛化性能的作用机理,设计灌排系统先验知识的表示框架,提出基于灌排系统先验知识的神经网络最小结构设计方法和学习策略,探索小样本条件下基于灌排系统先验知识的神经网络模拟理论与方法。它的研究将彻底改变传统灌排系统神经网络模型的黑箱子学习模式,实现由"黑箱子"学习模式向"物理机制"与"数据驱动"耦合的学习模式转变,为从根本上改善传统灌排系统神经网络模型的模拟精度和预报精度提供理论支撑。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于分形L系统的水稻根系建模方法研究
路基土水分传感器室内标定方法与影响因素分析
正交异性钢桥面板纵肋-面板疲劳开裂的CFRP加固研究
特斯拉涡轮机运行性能研究综述
拥堵路网交通流均衡分配模型
改善神经网络泛化性能的先验知识理论与实验研究
陆面数据同化系统先验性知识获取与应用研究
灌排工程环境影响综合评价系统研究
基于不确定先验知识的支持向量机理论与算法研究