神經(jīng)網(wǎng)絡造句
更新時間：2025-03-23 20:28:46
復制
好工具造句頻道為您提供2025年的神經(jīng)網(wǎng)絡造句相關(guān)內(nèi)容，造句頻道小編原創(chuàng)了246條的神經(jīng)網(wǎng)絡造句內(nèi)容，頻道內(nèi)容適合一二年級的小學生參考??！
1、針對數(shù)字電路路徑時滯故障測試生成較難的問題，提出了基于神經(jīng)網(wǎng)絡的數(shù)字電路路徑時滯故障測試生成算法。
2、以晉城無煙煤的實驗數(shù)據(jù)對人工神經(jīng)網(wǎng)絡進行了訓練，獲得了較好的過程模擬結(jié)果。
3、在非線性段則用兩個改進的神經(jīng)網(wǎng)絡分別映射其反函數(shù)作為校正環(huán)節(jié)，從而實現(xiàn)非線性誤差校正。
4、本文采用基于知識的人工神經(jīng)網(wǎng)絡模型模擬微帶徑向短截線的特性，利用已經(jīng)具有的先驗知識減小神經(jīng)網(wǎng)絡輸入輸出映射關(guān)系的復雜程度有效減少了訓練樣本的數(shù)量。
5、從信息論角度出發(fā)，利用神經(jīng)網(wǎng)絡非線性時間序列預測模型，構(gòu)造了油田產(chǎn)油量、產(chǎn)水量的多維時間序列神經(jīng)網(wǎng)絡預測器。
6、針對不同樣本之間存在交叉數(shù)據(jù)的模式識別問題，將多層激勵函數(shù)的量子神經(jīng)網(wǎng)絡引入模式識別之中，提出一種基于量子神經(jīng)網(wǎng)絡的模式識別算法。
7、本文的目的是利用神經(jīng)網(wǎng)絡實現(xiàn)離心壓縮機葉輪的逆命題設(shè)計。
8、該算法經(jīng)兩個常用函數(shù)檢驗，并在圖象識別的神經(jīng)網(wǎng)絡權(quán)值訓練中得到應用。
9、傳感器數(shù)據(jù)證實技術(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)絡預測器的傳感器數(shù)據(jù)證實技術(shù)。
10、神經(jīng)網(wǎng)絡的控制器依賴于靈敏度信息實現(xiàn)參數(shù)在線調(diào)整，獲得靈敏度信息非常重要。
11、通過分析二維線性相位濾波器的幅頻響應特性，建立了神經(jīng)網(wǎng)絡算法。
12、本文討論了基于神經(jīng)網(wǎng)絡理論的控制，并將其應用于恒溫恒液位控制系統(tǒng)，利用神經(jīng)網(wǎng)絡的自學習能力在線整定控制器參數(shù)。
13、將神經(jīng)網(wǎng)絡用于顏色量化過程，提出了符合人眼顏色視覺特性的顏色模糊量化方法。
14、目的為提高變風量空調(diào)系統(tǒng)的動態(tài)控制性能，提出基于預測的模糊神經(jīng)網(wǎng)絡控制方法。
15、分別采用人工神經(jīng)網(wǎng)絡法和逐步回歸分析法對原油管道蠟沉積實驗數(shù)據(jù)進行分析處理，建立蠟沉積速率模型。
16、提出了一種可分性判據(jù)排序的神經(jīng)網(wǎng)絡屬性選擇方法。
17、本文首先介紹了入口匝道控制和神經(jīng)網(wǎng)絡理論的背景知識。
18、本文介紹了神經(jīng)網(wǎng)絡的主要特點，一些著名的神經(jīng)網(wǎng)絡模型及應用，以及目前一些大公司的神經(jīng)計算機實用化研究狀況。
19、針對中藥方劑功效歸納問題，提出了一種基于人工神經(jīng)網(wǎng)絡新的高維數(shù)據(jù)歸約方法。
20、利用神經(jīng)網(wǎng)絡動態(tài)系統(tǒng)中吸引子和吸引域的特性，本文提出了一類新型非線性糾單錯碼。
21、研究結(jié)果表明，人工神經(jīng)網(wǎng)絡用于陶瓷原料的模式識別，其結(jié)果和實際一致。
22、鑒于該方法只能識別梁中的單處損傷，提出了結(jié)合移動質(zhì)量法和神經(jīng)網(wǎng)絡進行結(jié)構(gòu)損傷識別的方法。
23、研究結(jié)果表明，基于灰色關(guān)聯(lián)度和神經(jīng)網(wǎng)絡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。
24、第三類觀點以聯(lián)結(jié)和人工神經(jīng)網(wǎng)絡概念為要素，分別探討了心理場距離和規(guī)避損失偏向?qū)x擇偏好的影響。
25、文中將數(shù)據(jù)挖掘應用于保險客戶在信用等級的分類中，即采用了基于神經(jīng)網(wǎng)絡的覆蓋算法作為客戶信用評分分類器的設(shè)計算法。
26、人工智能和人工神經(jīng)網(wǎng)絡是智能科學發(fā)展的兩個方向，機器人技術(shù)是目前取得的階段性的重大成果。
27、將上述各單項改進方法結(jié)合運用，提出了改進的神經(jīng)網(wǎng)絡。
28、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(zhuǎn)具有良好的穩(wěn)健性，并避免了神經(jīng)網(wǎng)絡中的過學習和局部極小點等缺陷。
29、提出一種船舶航跡保持的在線神經(jīng)網(wǎng)絡控制器。
30、采用前向神經(jīng)網(wǎng)絡建模的軟測量方法，對造紙過程制漿工段的黑液波美度進行測量。
31、基于模糊數(shù)學評價法和神經(jīng)網(wǎng)絡評價法的優(yōu)點，提出了一種新的大氣質(zhì)量評價模型。
32、提出了基于徑向基神經(jīng)網(wǎng)絡的衛(wèi)星地面站系統(tǒng)建模方法。
33、神經(jīng)網(wǎng)絡具有很強的非線性逼近能力和自學習能力。
34、針對一類非線性動態(tài)系統(tǒng)，提出了一種新的基于多層神經(jīng)網(wǎng)絡的自適應預測器，并對基于神經(jīng)網(wǎng)絡的預測機理進行了分析。
35、提出了利用層次徑向基神經(jīng)網(wǎng)絡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(jié)構(gòu)數(shù)據(jù)和實際監(jiān)測數(shù)據(jù)估算焓值。
36、設(shè)計了一種以器件為控制核心，以模糊神經(jīng)網(wǎng)絡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(tǒng)。
37、在對神經(jīng)網(wǎng)絡的激勵函數(shù)的三個假設(shè)下，研究了具有離散時滯的神經(jīng)網(wǎng)絡的穩(wěn)定性。
38、具體是將所有的樣本投影到特征臉子空間中，并將每一個樣本得到的特征系數(shù)作為神經(jīng)網(wǎng)絡的輸入。
39、軸突生長抑制性蛋白在正常發(fā)育過程中主要參與調(diào)控軸突導向、引導軸突生長，協(xié)助構(gòu)建精確的神經(jīng)網(wǎng)絡。
40、將文化差分進化算法用于訓練補償模糊神經(jīng)網(wǎng)絡，建立乙烯精餾塔產(chǎn)品質(zhì)量軟測量模型。
41、我們傳統(tǒng)的分析很多都是基于指數(shù)的假設(shè)，這個就是割尾巴，到后面就是沒尾巴，這樣就把長尾信號都過濾掉了，我可能是需要一些基于神經(jīng)網(wǎng)絡的方式。
42、然后通過訓練神經(jīng)網(wǎng)絡把這些知識儲存于神經(jīng)網(wǎng)絡的權(quán)值中，幷在其它的地震輸人下使用。
43、回顧了近年來幾種主要混沌神經(jīng)元模型及混沌神經(jīng)網(wǎng)絡的研究進展，介紹了其特點及主要的應用。
44、收集了原位測試數(shù)據(jù)，并結(jié)合瑞雷面波波速參數(shù)，開展多參數(shù)擬合和神經(jīng)網(wǎng)絡預測地基承載力的研究。
45、提出基于粗神經(jīng)網(wǎng)絡確定影響礦內(nèi)通風風流穩(wěn)定性主要風路的方法。
46、本文以提高控制器的控制效果為目標，將神經(jīng)網(wǎng)絡與控制相結(jié)合，分別對單變量系統(tǒng)和多變量系統(tǒng)的神經(jīng)網(wǎng)絡結(jié)構(gòu)的控制進行了深入研究和探索。
47、本文在分析二值感知器神經(jīng)網(wǎng)絡實現(xiàn)二值數(shù)字邏輯運算后，將其推廣到多值邏輯。
48、最后用訓練好的神經(jīng)網(wǎng)絡鋒電位信號進行分類。
49、在對員工素質(zhì)測評數(shù)據(jù)分析的基礎(chǔ)上，建立了一套能夠模擬統(tǒng)計人員對測評數(shù)據(jù)進行統(tǒng)計計算的神經(jīng)網(wǎng)絡測評系統(tǒng)。
50、本文采用一類正交多項式集合作為神經(jīng)元的激勵函數(shù)，構(gòu)成一個正交多項式基神經(jīng)網(wǎng)絡。
51、他還說，將來的研究會將和成像技術(shù)結(jié)合起來，從而鞏固作者的推測，即腦細胞的興奮性構(gòu)建了神經(jīng)網(wǎng)絡，導致了聯(lián)覺。 hAo86.com
52、實驗結(jié)果表明，雙電源二次激勵法與人工神經(jīng)網(wǎng)絡相結(jié)合，可以實現(xiàn)型砂有效粘土含量和含水量的快速在線預測。
53、最終采用了基于主分量分析的神經(jīng)網(wǎng)絡模型對油氣勘探成本進行了預測，并證明了其具有較高的預測精度。
54、對處于擾動狀態(tài)下的預分餾塔的仿真結(jié)果表明，該算法可以有效地解決一類多神經(jīng)網(wǎng)絡模型的在線參數(shù)辨識問題。
55、針對峰值法中測量路徑規(guī)劃問題，提出了基于參數(shù)模型學習的神經(jīng)網(wǎng)絡預測器。
56、采用神經(jīng)網(wǎng)絡，建立煉銅轉(zhuǎn)爐吹煉造銅期終點與各影響因素之間的數(shù)學模型，對吹煉終點進行預報。
57、只要用戶輸入對新結(jié)構(gòu)的描述，選擇算法庫中一種合適的算法就能通過軟件自動生成神經(jīng)網(wǎng)絡程序。
58、結(jié)果表明：利用人工神經(jīng)網(wǎng)絡模型的非線性映射功能，可以較好地給出工程爆破引起的近區(qū)自由場力學規(guī)律，對于同類型問題的研究，也有著很重要的意義。
59、通過優(yōu)化組合小波基元激勵函數(shù)，大大減小了小波神經(jīng)網(wǎng)絡的規(guī)模，改善了網(wǎng)絡學習特性。
60、只有在成因上，無條件反射是根據(jù)遺傳信息形成的神經(jīng)網(wǎng)絡結(jié)構(gòu)，而條件反射是后…
61、本文運用計算機視覺和人工神經(jīng)網(wǎng)絡技術(shù)對花生仁檢測進行了研究。
62、在稅務稽查選案中，應用人工神經(jīng)網(wǎng)絡實現(xiàn)了稽查選案，表明這一方法是數(shù)據(jù)挖掘的有效方法。
63、本文提出一種改進的神經(jīng)網(wǎng)絡結(jié)構(gòu)，它由線性網(wǎng)絡和多層前向網(wǎng)絡兩部分組成。
64、在麻花鉆圓度誤差的檢測中，將神經(jīng)網(wǎng)絡算法引入到相應的數(shù)據(jù)處理中，以擬合出其棱邊投影的橢圓表達式系數(shù)。
65、對神經(jīng)網(wǎng)絡輸出值和實際值的均方誤差及對比曲線分析的結(jié)果表明，該方法對解決工程實際中預測問題具有一定的指導意義。
66、提出了一種基于神經(jīng)網(wǎng)絡的非線性失真補償技術(shù)。
67、布拉德利總共找到了七個關(guān)鍵的因素，其中包括了他創(chuàng)造的神經(jīng)網(wǎng)絡的判斷，同時他認為這個因素對預測股票走勢是有幫助的。
68、以峰峰礦區(qū)梧桐莊礦為例，應用神經(jīng)網(wǎng)絡的方法，對礦井突水水源進行了系統(tǒng)研究。
69、用前向神經(jīng)網(wǎng)絡，對純物質(zhì)的蒸氣壓和汽化熱與溫度的函數(shù)關(guān)系進行預測。
70、利用光學衍射原理，研制成了光纖光柵衍射屏，并與計算機神經(jīng)網(wǎng)絡相結(jié)合，開發(fā)了一種識別立體形狀的視覺系統(tǒng)。
71、采用神經(jīng)網(wǎng)絡方法建立了重軌生產(chǎn)性能預報模型，并通過模型結(jié)構(gòu)優(yōu)化提高了模型預報的可靠性。
72、然后采用前向神經(jīng)網(wǎng)絡進行整經(jīng)軸數(shù)預測。
73、所用的神經(jīng)網(wǎng)絡算法是從輸入信號的數(shù)據(jù)中訓練出中心值和寬度值，再訓練通過用最大熵值的代價函數(shù)推導的權(quán)值。
74、面對板形板厚控制這一復雜、多變量耦合的非線性系統(tǒng)，提出一種基于模糊神經(jīng)網(wǎng)絡的綜合控制方案，實現(xiàn)了無模型板形板厚綜合控制。
75、使用阿斯匹林粉末藥品的近紅外漫反射一階導數(shù)光譜數(shù)據(jù)建立人工神經(jīng)網(wǎng)絡模型，預測未知樣品。
76、采用了神經(jīng)網(wǎng)絡自適應控制方法，改善了非線性，降低了環(huán)境干擾的影響，提高了壓電式移相器的性能。
77、文中介紹光互連的特點、功能、形式，以及在光計算機和光神經(jīng)網(wǎng)絡中的作用。
78、以單輛坦克在陸地上的自主機動為背景，提出了一種基于神經(jīng)網(wǎng)絡的坦克機動任務規(guī)劃方法。
79、灌溉用水量的預測對于灌區(qū)管理工作具有重要的指導意義，使用神經(jīng)網(wǎng)絡方法預測灌溉用水量。
80、神經(jīng)網(wǎng)絡訓練誤差值的選取是一個具有挑戰(zhàn)性的問題。
81、建立了自壓式樹狀管網(wǎng)兩級優(yōu)化設(shè)計模型，并用人工神經(jīng)網(wǎng)絡法實現(xiàn)樹狀管網(wǎng)非線性規(guī)劃模型的快速求解。
82、最后，提出了綜合信息融合技術(shù)、人工神經(jīng)網(wǎng)絡技術(shù)、專家系統(tǒng)知識的智能化異步電動機故障診斷系統(tǒng)。
83、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)絡數(shù)學模型，訓練后的模型輸出準確度較高。
84、本文創(chuàng)新地在凌陽單片機內(nèi)實現(xiàn)敲擊聲信號的頻譜分析和神經(jīng)網(wǎng)絡識別，使系統(tǒng)具有墻體空鼓無損檢測的功能。
85、以漫灣徑流實測序列為研究對象，在數(shù)值試驗的基礎(chǔ)上找到了適合于漫灣徑流序列預報的人工神經(jīng)網(wǎng)絡預報模型結(jié)構(gòu)，提高了該模型的預報準確性。
86、該法通過對粘彈性阻尼結(jié)構(gòu)進行神經(jīng)網(wǎng)絡優(yōu)化設(shè)置，從而可以考慮不同地震動特性的影響。
87、結(jié)果表明：神經(jīng)網(wǎng)絡具有實測樣本的自學習功能，對橋梁施工預拱度有較好的精度。
88、提出了一種用于船舶噪聲分類的局域自適應子波神經(jīng)網(wǎng)絡分類方法。
89、本文提出一種基于自適應預測的無損壓縮方法，該方法利用神經(jīng)網(wǎng)絡模型自學習的能力，自適應的調(diào)整預測器的預測系數(shù)。
90、同時介紹了相應水位法、有限記憶最小二乘法、人工神經(jīng)網(wǎng)絡模型的基本原理，并在南京站建立了相應的潮位預報方案。
91、該文提出了一種采用神經(jīng)網(wǎng)絡實現(xiàn)仿真線的方法。
92、根據(jù)影響水面蒸發(fā)的主要氣象因素，利用人工神經(jīng)網(wǎng)絡的學習、記憶功能，研究了一種新的水面蒸發(fā)計算方法。
93、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(shù)學形態(tài)學融合多神經(jīng)網(wǎng)絡的故障診斷新方法。
94、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)絡技術(shù)求得型砂含水量及有效粘土含量。
95、應用地震相分析、波阻抗反演和神經(jīng)網(wǎng)絡技術(shù)，分別對小洼油田和陳家洼陷的隱蔽油氣藏進行了識別和預測。
96、在第四章，我們給出了變時滯高階神經(jīng)網(wǎng)絡模型周期解存在及其全局指數(shù)穩(wěn)定的幾個充分性定理。
97、文章在神經(jīng)網(wǎng)絡的基礎(chǔ)上，建立了黑體爐溫度時序預測模型。
98、在此基礎(chǔ)上，利用人工神經(jīng)網(wǎng)絡構(gòu)建了金屬錳滲氮過程的數(shù)學模型，為研究金屬錳在不同滲氮條件下的性能預測奠定了基礎(chǔ)。
99、針對嚴重非線性失真信道，提出了一種級聯(lián)混合小波神經(jīng)網(wǎng)絡自適應高均衡器。m.vip9tm30.com/ZAOJU/
100、介紹一種用循環(huán)多層感知器神經(jīng)網(wǎng)絡實現(xiàn)符號邏輯推理系統(tǒng)的方法。