“激励函数”简单造句，激励函数造句子

通过优化组合小波基元激励函数，大大减小了小波神经网络的规模，改善了网络学习特*。

以往的bp算法调节神经元网络的权值，其网络的隐层结点数、网络学习快慢程度及网络的泛化能力都与网络的激励函数有关的。

新的网络激励函数和训练算法切实满足过程控制的需要。

本文采用一类正交多项式*作为神经元的激励函数，构成一个正交多项式基神经网络。

针对背景辐*均匀稳定，剂量速率较小和太阳耀斑突发、剂量速率大的特点，对激励函数进行不同处理，从而得到不同的理论模型。

以jk触发器为例，提出了一种基于触发器行为的j、k激励函数的最小化技术。

同时在激励函数单调递增的条件减弱的情况下，给出了两条渐近稳定的定理，并给了严格的数学*。

在对神经网络的激励函数的三个假设下，研究了具有离散时滞的神经网络的稳定*。

使用了高斯函数作为神经网络的激励函数，并以最小二乘准则对字符进行识别。

为此，本文提出了一种带可以修正激励函数的bp算法，其特点是它能更好地模拟人脑神经元的特*。

本文提出基于新的激励函数bp算法建立误差预测模型，修正新型广义预测算法的预测输出。

针对不同样本之间存在交叉数据的模式识别问题，将多层激励函数的量子神经网络引入模式识别之中，提出一种基于量子神经网络的模式识别算法。

本文通过强夯振动频域分析，提出了介质作用函数和强夯激励函数的计算方法，对于强夯振动规律的认识和岩土体动力学特*的研究具有重要意义。