将问题对象所蕴涵的一般性的先验信息耦合到神经网络输出误差代价函数中去,并在该新的误差代价函数中构造约束权值振荡的矫正项(adjustment term)和增加网络推广能力的促进子(promoter),以构造一种新的约束学习算法(CLA),来求解一类神经计算、模式识别、函数逼近和非线性预测等实际问题。这是神经网络领域一个崭新的研究方向。这种新的学习算法因问题先验信息的约束指导,能够最大限度地避免误差
{{i.achievement_title}}
数据更新时间:2023-05-31
基于铁路客流分配的旅客列车开行方案调整方法
基于LS-SVM香梨可溶性糖的近红外光谱快速检测
新型树启发式搜索算法的机器人路径规划
"多对多"模式下GEO卫星在轨加注任务规划
信息熵-保真度联合度量函数的单幅图像去雾方法
基于粒子群优化和先验信息的约束学习算法研究
具有先验约束信息的动态定位滤波算法研究
基于先验约束信息的航姿参考系统滤波算法研究
基于先验信息的Boosting算法研究