排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
针对General Fuzzy Min—Max(GFMM)神经网络不能自适应学习新类的缺陷,提出了一种基于该网络的无师训练改进算法。它一方面继承原GFMM网可以处理模糊输入量的优点.重构了网络中的模糊隶属度函数:另一方面结合ART2神经网络无师学习的特点.引入了网络警戒门限和运行状态切换控制。改进后的GFMM神经网络完全具备了自适应调整和无师学习的能力.并展现出了良好的并行处理性能。自动目标识别中的应用结果表明:该网络具有广泛的实用性 相似文献
4.
本提出了一个基于BP神经网络的混沌时间序列预测模型。该模型具有较强的预测能力,可有效地对复杂的混沌售进行预测。 相似文献
1