论文研究深度神经网络中的多目标稀疏学习模型 .pdf

Hornik,Stinchcombe&White已显示具有足够隐藏层的多层前馈网络是通用逼近器。 Roux&Bengio已证明添加隐藏单元会严格提高建模能力,而受限玻尔兹曼机(RBM)

量子计算机相对于传统计算机的优势推动了在量子计算机上开发机器学习算法的最新趋势，这有可能导致该领域的突破和新的学习模型。我们研究的目的是探索光子量子计算机上的深度量子强化学习（RL），该技术可以处理存

卷积神经网络对图像具有强大的特征提取性能，成为深度学习算法的一个重要的组成部分，在图像识别的技术应 用中起到了至关重要的作用。首先介绍了卷积神经网络的发展背景，然后介绍了神经网络的结构组成及每层的功能

遗传算法的使用方法及改进在多目标应用中的应用研究

机器学习论文，关于神经网络的方面的论文，分析了bp网络

根据图像处理目标识别领域的实际应用和需求，确定了目标识别效果评估的指标及其计算方法。针对现有目标识别效果评估方法中存在过多的人工干预，使得评估结果带有较强主观性的问题，提出了一种基于BP神经网络的目标

神经网络机器翻译模型的中文分词研究，黄图其，范春晓，近年来，由于神经网络被发现可以进行语义的理解和分析，其在自然语言处理领域得到了广泛的应用。特别的，由循环神经网络演化而来

针对彩色图像复原提出了基于网络能量递减收敛的调和模型神经网络图像复原方法，研究了该方法在运动模糊图像复原上的应用。利用待复原图像重构出多幅模糊图像用于算法的实现，并首次提出基于图像局部方差的自适应正则

铝电解优化控制生产过程的实质是将可控参数尽量控制在工艺要求的目标值范围内。传统的基于神经网络的控制方法或直接判断氧化铝浓度，缺乏对历史浓度的有效追踪，致使判断准确率下降；或对铝电解生产状况进行宏观识别

为了设计和优化高线性功率放大器，在系统级仿真中，构建功率放大器精确的行为模型是极为重要的。在ADS中基于飞思卡尔半导体芯片MRF5P21180进行功放电路设计，运用BP和RBF以及在这两种网络的基础上