激勵函數造句

用“激勵函數”造句第1組

1、在對神經網絡的激勵函數的三個假設下，研究了具有離散時滯的神經網絡的穩定性。

2、經數值計算結果表明，選擇徑向基函數作為隱層的激勵函數，可以得到較好的樣本擬合效果。

3、本文提出基于新的激勵函數BP算法建立誤差預測模型，修正新型廣義預測算法的預測輸出。

4、引入了基于其它契約變量的激勵函數，提高了政府效用和企業實施綠色物流的努力程度。

5、使用了高斯函數作為神經網絡的激勵函數，并以最小二乘準則對字符進行識別。

6、本文采用一類正交多項式集合作為神經元的激勵函數，構成一個正交多項式基神經網絡。

7、通過優化組合小波基元激勵函數，大大減小了小波神經網絡的規模，改善了網絡學習特性。

8、同時在激勵函數單調遞增的條件減弱的情況下，給出了兩條漸近穩定的定理，并給了嚴格的數學證明。

9、為此，本文提出了一種帶可以修正激勵函數的BP算法，其特點是它能更好地模擬人腦神經元的特性。

10、新的網絡激勵函數和訓練算法切實滿足過程控制的需要。

用“激勵函數”造句第2組

11、針對背景輻射均勻穩定，劑量速率較小和太陽耀斑突發、劑量速率大的特點，對激勵函數進行不同處理，從而得到不同的理論模型。

12、本文通過強夯振動頻域分析，提出了介質作用函數和強夯激勵函數的計算方法，對于強夯振動規律的認識和巖土體動力學特性的研究具有重要意義。

13、以往的BP算法調節神經元網絡的權值，其網絡的隱層結點數、網絡學習快慢程度及網絡的泛化能力都與網絡的激勵函數有關的。

14、以JK觸發器為例，提出了一種基于觸發器行為的J、K激勵函數的最小化技術。

15、針對不同樣本之間存在交叉數據的模式識別問題，將多層激勵函數的量子神經網絡引入模式識別之中，提出一種基于量子神經網絡的模式識別算法。

* 在線查詢激勵函數造句，用激勵函數造句，用激勵函數組詞造句，包含激勵函數的句子。