机译:在神经网络设计中使用多层感知器作为感受野
Dipartimento di Ingegneria dell'Informazione: Elettronica, Informatica, Telecomunicazioni, University of Pisa, Via Diotisalvi 2, 56122 Pisa, Italy;
Department of Electrical and Computer Engineering, University of Alberta, Edmonton, Alberta, Canada T6G 2G7 Systems Research Institute, Polish Academy of Sciences, 01-447 Warsaw, Poland;
Dipartimento di Ingegneria dell'Informazione: Elettronica, Informatica, Telecomunicazioni, University of Pisa, Via Diotisalvi 2, 56122 Pisa, Italy;
Dipartimento di Ingegneria dell'Informazione: Elettronica, Informatica, Telecomunicazioni, University of Pisa, Via Diotisalvi 2, 56122 Pisa, Italy;
conditional clustering; local modeling; neural receptive fields; radial basis function (RBF) networks; referential neural networks;
机译:神经网络在化学中的应用。一,多层感知器神经网络最优拓扑的确定
机译:与递归神经网络和两种诊断冠状动脉疾病的统计方法相比,对多层感知器神经网络的性能进行评估
机译:SIF法蒂玛油田非核心井(Berkine Basin,Algeria Berkine Basin)的锂缺失预测:多层情人的神经网络和基于集群分析方法的比较研究
机译:具有感受野的多层神经网络作为神经元重构问题的模型
机译:多层感知器人工神经网络模型的时空无线传感器网络场近似。
机译:SAR图像暗点检测的自适应Weibull乘法模型和多层感知器神经网络
机译:使用粒子群优化的多层的Multidayer Perceptron的滑坡敏感性预测:与唯一的多层 - Perceptron,BP神经网络和信息价值模型的比较