论文研究基于神经网络语言模型的DSSM模型优化 .pdf

将粗集方法作为BP神经网络的前端处理器，通过对煤与瓦斯系统属性特征的提取和影响因素的约简，较好解决了预测输入特征的“维数灾”问题，构建了粗集与神经网络相结合的煤与瓦斯突出预测模型。仿真实验表明，验证了

针对井下瓦斯涌出量预测的问题,建立RBF神经网络,引入多粒子群优化神经网络模型。多粒子群算法分割经典的单粒子群算法为多个线程,同时优化了学习因子和惯性权重,这样既增加算法的遍历性又使算法的二次精细搜索

鱼雷研制费用的神经网络灰色Verhulst预测模型，梁庆卫，赵民全，鱼雷研制费用的累积曲线呈近似的S形状，选取某型鱼雷连续数年的研制费用建立灰色Verhulst模型，利用灰色模型获得研制费用序列的历史

论文研究-协同性资源交互的神经网络模型与仿真.pdf,  首先根据资源在商业网络参与者之间交互的特性，将企业资源分为协同性资源和非协同性资源；然后，在分析协同性资源基本含义的基础上，建立了一个用来分析

深度神经网络中的多目标稀疏学习模型，刘嘉，公茂果，深度神经网络是一种具有复杂结构和较深层次的神经网络模型,其强大的数据表示和建模能力使其在各类应用中发挥了巨大的作用.稀疏理�

针对Elman神经网络模型，通过引入时间权重与随机性因素，提出了改进的Elman神经网络模型，提高了现有Elman神经网络针对时序数据预测的精度。提出了基于时序数据的特征学习框架，可评估多个特征参数对

针对当前卷积神经网络（Convolutional Neural Networks，CNN）模型通常将网络最后一层的输出作为特征表示，未能充分利用网络中间层的不足，提出了一种联合中间层的CNN模型（In

对学习和工作是柴油调合人员的学习资料,帮助更好建立柴油调和模型

已有的交通拥挤问题研究大多关注于城市交通的宏观层面，而对于微观层面的居民出行个体研究甚少，这主要是因为与出行个体相关的特征指标难以量化，只能做定性分析，引入神经网络模型即能够识别线性指标又能够识别非

神经网络模型的基本框架代码，是基于Python语言编写，且是notebook方式。可以在ipython上运行。