排序方式: 共有36条查询结果,搜索用时 15 毫秒
1.
正我们现在处于全球化、自动化和即时满足自我需求的时代。这似乎听起来令人激动万分,但这给美国业界带来麻烦。那些不能以极快速度操作和满足客户需求的人将被淘汰,同样牺牲质量或不能亲近客户也会如此。风格变换与创新中的新品美国森伯里纺织公司(Sunbury Textile Mills)就是一例。它之所以成为业界精英,是因为这类 相似文献
2.
BP神经网络强大的非线性函数逼近、自适应学习和并行信息处理能力使得BP神经网络在信号去噪滤波中得到应用,但是随着BP网络输入向量维数的增加,其自身隐含层层数也会相应增加,从而降低了网络的自适应能力以及延长了学习时间。本文采用基于傅里叶变换的BP神经网络,利用傅里叶变换对信息进行预处理,并利用BP网络强大的函数逼近能力,对信息进行拟合,再通过傅里叶逆变换还原含噪的信息。最后通过MATLAB软件分别对傅里叶变换、BP神经网络、基于傅里叶变换的BP神经网络滤波效果进行仿真比较。 相似文献
3.
魏蕾 《电子制作.电脑维护与应用》2013,(7):268
综述了电子商务供应链管理的研究和应用现状,在分析了电子商务与供应链管理之间关系的基础上,提出了供应链管理的矩阵分析模型。 相似文献
4.
BP神经网络强大的非线性函数逼近、自适应学习和并行信息处理能力使得BP神经网络在信号去噪滤波中得到应用,但是随着BP网络输入向量维数的增加,其自身隐含层层数也会相应增加,从而降低了网络的自适应能力以及延长了学习时间。本文采用基于傅里叶变换的BP神经网络,利用傅里叶变换对信息进行预处理,并利用BP网络强大的函数逼近能力,对信息进行拟合,再通过傅里叶逆变换还原含噪的信息。最后通过MATLAB软件分别对傅里叶变换、BP神经网络、基于傅里叶变换的BP神经网络滤波效果进行仿真比较。 相似文献
5.
6.
7.
8.
9.
10.