助手标题  
全文文献 工具书 数字 学术定义 翻译助手 学术趋势 更多
查询帮助
意见反馈
   修正rbf神经网络 的翻译结果: 查询用时:0.176秒
图标索引 在分类学科中查询
所有学科
更多类别查询

图标索引 历史查询
 

修正rbf神经网络
相关语句
  modified rbf neural networks
     Modified RBF Neural Networks Control for the Nonlinear Flight of Chaotic Motion
     非线性飞行混沌运动的修正RBF神经网络控制
短句来源
  相似匹配句对
     Modified RBF Neural Networks Control for the Nonlinear Flight of Chaotic Motion
     非线性飞行混沌运动的修正RBF神经网络控制
短句来源
     We built the model of RBF neural network and observed detection effects through the simulation.
     构建了RBF神经网络模型.
短句来源
     FKCN Optimization of Radial Basis Function Neural Network
     FKCN优化的RBF神经网络
短句来源
     Neural Net
     神经网络
短句来源
     Finite Element Model Updating Using Radial Basis Function Neural Network
     基于RBF神经网络的结构动态有限元模型修正研究
查询“修正rbf神经网络”译词为用户自定义的双语例句

    我想查看译文中含有:的双语例句
例句
没有找到相关例句


In this paper we present how to find the neural control, such that the chaotic motion of nonlinear space flight will not develop. This approach is a modified radial basis function (RBF) network in which the regression weights are used to replace the constant weights in the output layer. Apply expectation-maximization (EM) algorithm to estimate the parameters of the regression weights. This method have been proposed by R.Langari, L. Wang and J.Yen. A salient feature of this algorithm is that it decomposes a complicated...

In this paper we present how to find the neural control, such that the chaotic motion of nonlinear space flight will not develop. This approach is a modified radial basis function (RBF) network in which the regression weights are used to replace the constant weights in the output layer. Apply expectation-maximization (EM) algorithm to estimate the parameters of the regression weights. This method have been proposed by R.Langari, L. Wang and J.Yen. A salient feature of this algorithm is that it decomposes a complicated multiparameter optimization problem into N separate small-scale optimization problems, where N is the number of hidden units.

如何求神经网络控制使非线性空间飞行混沌运动不会发生。该法是在输出层用回归权代替常数权再用EM算法来估计回归权的参数 ,这样修正的RBF的神经网络控制就可使非线性空间飞行不会出现混沌现象。这种算法R Langari,L Wang&J Yen (1997) [1] 在研究径向基函数网络时提出过。其突出的优点是把复杂的多参数的最优化问题分离为N个小型最优化问题 ,这里N是隐藏层单元数。

 
图标索引 相关查询

 


 
CNKI小工具
在英文学术搜索中查有关修正rbf神经网络的内容
在知识搜索中查有关修正rbf神经网络的内容
在数字搜索中查有关修正rbf神经网络的内容
在概念知识元中查有关修正rbf神经网络的内容
在学术趋势中查有关修正rbf神经网络的内容
 
 

CNKI主页设CNKI翻译助手为主页 | 收藏CNKI翻译助手 | 广告服务 | 英文学术搜索
版权图标  2008 CNKI-中国知网
京ICP证040431号 互联网出版许可证 新出网证(京)字008号
北京市公安局海淀分局 备案号:110 1081725
版权图标 2008中国知网(cnki) 中国学术期刊(光盘版)电子杂志社