1引言泛函网络(Functional networks)是Castillo E在1998年提出的一种网络模型[1,2],是人工神经网络的一种有效扩展,它处理的是一般的泛函模型。
基于16个网页-相关网页
recurrent functional networks 递归泛函网络
Orthogonal functional networks 正交泛函网络
functional brain networks 功能性脑网络
Non-linear regression forecast model and learning algorithm based on functional networks are proposed in this article.
为此提出了基于泛函网络的非线性回归预测模型和相应的学习算法。
参考来源 - 基于泛函网络的非线性回归预测模型及学习算法·2,447,543篇论文数据,部分数据来源于NoteExpress
The neurons form connections and self-assemble into functional networks, allowing us access to the same phenomena of plasticity that occur in vivo.
这些神经元在培养皿中形成连结并自我聚集成功能性网络,让我们能观察到与活体中相同的可塑性形成现象。
In this paper, by analyzing the functional network, a new model and learning algorithm of the serial functional networks is proposed.
通过对泛函网络的分析,提出了一种序列泛函网络模型及学习算法,而网络的泛函参数利用梯度下降法来进行学习。
应用推荐