暂无评论
有助于学习人工神经网络的学习人员，希望在学习神经网络的道路上，能为这些人提供一些帮助。
商业银行网络安全问题备受关注，其面临着非法访问、敏感数据泄露以及传输数据篡改等风险。首先，商业银行网络系统存在控制强度较弱的访问控制，容易受到黑客攻击和非法操作，导致数据被篡改甚至控制主机。其次，由于
针对灰色系统结合RBF神经网络时算法存在局部最优和收敛性等问题，引入遗传算法来辅助优化灰色神经网络预测模型。利用具有的较强全局搜索能力，且收敛速度快的遗传算法对GM（1，1）模型参数λ进行高效求解，然
论文研究-概率神经网络信用评价模型及预警研究.pdf, 介绍了概率神经网络(PNN)方法及其分类机理,构造了用于识别两类模
针对已有的卷积神经网络（Convolutional Neural Network，CNN）在人脸识别训练中出现过拟合、收敛速度慢以及识别准确率不高的问题，提出了新型的LeNet-FC卷积神经网络模型。
人工神经网络的定义不是统一的,T.Koholen对人工神经网络的定义:“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。”
为了有效解决传统人工神经网络对于时变函数的聚类问题，以及提高在大样本下网络的学习和泛化能力，提出了基于离散余弦变换的传统人工神经网络动态过程聚类方法。通过离散余弦变换将样本函数降维映射到由对应余弦参数
论文研究-粗糙集-神经网络系统在商业银行贷款五级分类中的应用.pdf, 采用某股份制银行的698家贷款企业样本，基于粗糙集-Elman神经网络集成构建了贷款企业五级分类评估模型2 该模型首先应用粗糙
针对时间序列问题，提出了一个变窗口神经网络集成预测模型。利用自相关分析方法挖掘时间序列本身蕴涵的变化特性，并利用这些变化特性构造差异度较大的个体神经网络。变窗口集成预测模型在应用于时间序列预测的同时，
基准结构自振频率的人工神经网络识别研究，杨晓明，牟伦敦，本文应用人工神经网络方法对基准结构自振频率进行识别研究。首先，介绍了神经网络的基本理论及用人工神经网络对结构自振频率识别
暂无评论