1.本文給出新的基于梯度方向直方圖統(tǒng)計的權值計算方法，實現(xiàn)穩(wěn)定的圖切割。
2.該方法引進了權值，使得它比全域法具有更好的自適應能力和較高的預測精度。
3.這些權值是全局最小點。
4.在修改權值時采用逐漸減小學習速率的方法。
5.首先將被控對象進行離線辨識，確定NNC的初始權值再進行神經(jīng)網(wǎng)絡在線控制www.9061xoxo.com，從而能夠進一步提高系統(tǒng)的控制精度。
6.通過控制點位置和權值節(jié)點分布以及高斯標準誤差來控制曲線形狀。
7.利用B樣條基函數(shù)的正定性、緊密性和歸一性，可使訓練過程中權值的調(diào)整在局部范圍內(nèi)，且系統(tǒng)的輸出簡單可靠。
8.文章提出了一種新的優(yōu)化神經(jīng)網(wǎng)絡結構及權值的方法——兩級進化的方法。
9.它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權值和閾值，使網(wǎng)絡的誤差平方和最小。
10.利用遺傳神經(jīng)網(wǎng)絡，通過對其權值的訓練，優(yōu)化權系數(shù)和網(wǎng)絡結構。
11.它并不構成對工業(yè)產(chǎn)權值得，給予相對的權利，或任何牌照發(fā)放。
12.實現(xiàn)方法主要有:骨骼空間變形、根據(jù)示例生成形狀和多重權值計算。
13.所用的RBF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)推導的權值。
14.根據(jù)任意給定的一組權值，構造一棵哈夫曼樹。
15.從數(shù)學意義上講，這種權值學習相當于歐氏空間中對一組點進行了一個線性變換。
16.在構建系統(tǒng)發(fā)生樹時，首先根據(jù)回路構建其拓撲結構，然后根據(jù)拓撲結構和距離矩陣給各邊分配權值。
17.其次采用特爾斐法確定高層指標的權值。
18.提出了一種新穎的基于權值的微機械數(shù)模轉(zhuǎn)換器，它的原理與電路中的權電阻數(shù)模轉(zhuǎn)換器類似。
19.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)絡的權值中，幷在其它的地震輸人下使用。
20.實驗結果表明，選擇適當?shù)倪B接權值可以得到環(huán)路的持續(xù)振蕩發(fā)放。
21.算法具有低的運算復雜度，仿真結果表明該算法具有好的時延捕獲和波束形成權值捕獲性能。
22.算法利用人耳的聽覺掩蔽效應動態(tài)確定每一幀的權值，有選擇地增強。
23.以往的BP算法調(diào)節(jié)神經(jīng)元網(wǎng)絡的權值，其網(wǎng)絡的隱層結點數(shù)、網(wǎng)絡學習快慢程度及網(wǎng)絡的泛化能力都與網(wǎng)絡的激勵函數(shù)有關的。
24.針對回歸神經(jīng)網(wǎng)絡訓練效率低，泛化能力差等問題，嘗試引入一種初始權值優(yōu)化方法加以改進。
25.同時運用層次分析法獲取多目標優(yōu)化函數(shù)的權值向量，并通過知識引導有效地提高了算法效率。
26.在前饋網(wǎng)絡中，不同的權值組合可逼近同一映射。
27.提出了一種基于權值模板匹配的全自主足球機器人目標識別方法。
28.將初始權值的修正和網(wǎng)絡各層神經(jīng)元個數(shù)及傳遞函數(shù)緊密聯(lián)系。
29.運用冪指數(shù)法對導彈武器系統(tǒng)的生存能力進行計算，對于指數(shù)法中各因素的重要性程度，采用模糊層次分析法來計算各因素的權值。
30.神經(jīng)網(wǎng)絡權值和閾值的優(yōu)化方法。
31.除了字詞權值以外，網(wǎng)頁也可根據(jù)其他策略來排行。
32.隱層輸出層的權值用最速下降法學習，輸入層隱層的權值用遺傳算法進行學習。www.9061xoxo.com
33.加權值會因時間而改變，比如出現(xiàn)細微差別或傾向。
34.這些特征模型用來作為權值函數(shù)的因子。
35.神經(jīng)網(wǎng)絡結構及其權值優(yōu)化的遺傳算法。
36.在修改權值時，引入串行修正權值的思想。
37.在信息完備化過程中，該模型考慮了屬性重要性之間的差異，并賦予了相應的權值。
38.對于權值低于屏蔽層的義原，我們不將其選入特征集，并相應保留原詞。
39.該方法是利用遺傳算法的全局優(yōu)化功能搜索BP網(wǎng)絡各神經(jīng)元之間的連接權值。
40.將遺傳算法與神經(jīng)網(wǎng)絡盲均衡算法相結合，提出了兩段式優(yōu)化神經(jīng)網(wǎng)絡權值的方案。
41.神經(jīng)網(wǎng)絡結構及權值優(yōu)化屬兩級進化方法。
42.各神經(jīng)元的連接權值具有一定的分布。
43.該算法從負載平衡的思想出發(fā)，賦予每條鏈路一個與全局資源相關的權值即鏈路相對空閑率，尋找鏈路相對空閑率較高的選播路徑。
44.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)絡權值訓練中得到應用。
45.貝葉斯神經(jīng)網(wǎng)絡中，每個權值和誤差被視為隨機變量，它們的先驗概率分布是遵從正態(tài)分布的。
46.提出了一種基于最少轉(zhuǎn)接次數(shù)原則且提供多權值路徑解集的算法。
47.對于光順算法，本文中不采用光順平鋪邊界，而是采用光順權值差內(nèi)部邊界。
48.利用DOA信息，初始化自適應波束成形的權值。
