检索结果-维普期刊中文期刊服务平台

求解最短路径问题的Lotka-Volterra回复式神经网络模型被引量：2: 1; 作者郑伯川桑永胜《计算机应用》 CSCD 北大核心 2012年第7期1965-1968,共4页; 有向图的最短路径(SP)问题是一个优化问题。通过构造有向图的最短路径问题的能量函数,提出了一种Lotka-Volterra(LV)回复式神经网络(RNN)模型,用于求解有向图的最短路径。当LV神经网络迭代收敛到稳定吸引子时,对应的能量函数也达到其能... 展开更多; 关键词 lotka-volterra回复式神经网络能量函数最短路径稳定吸引子能量最小点; 在线阅读下载PDF 职称材料

回复式神经网络及其应用研究综述被引量：6: 2; 作者刘丹叶茂《小型微型计算机系统》 CSCD 北大核心 2020年第10期2024-2029,共6页; 回复式神经网络是深度学习领域中一类非常强大的神经网络模型,它主要用于处理和预测序列数据.得益于回复式神经网络的"记忆"功能,它和它的变体网络已经被成功应用于多种任务,比如:机器翻译、语音识别、视频行为识别等.本文首... 展开更多; 关键词回复式神经网络长短时记忆门控回复式单元序列数据; 在线阅读下载PDF 职称材料

回复式离散神经网络的特征子空间估值(英文) 被引量：1: 3; 作者梁金明章毅《电子科技大学学报》 EI CAS CSCD 北大核心 2002年第4期349-355,共7页; 提出了用两种回复式离散神经网络模型研究正定对称矩阵的特征子空间估值问题:第1种模型是非线性神经网络,用于计算最大特征值及其特征向量;第2种模型属于线性神经网络,用于计算相应于最大特征值的特征子空间。详细研究了两种离散神经回... 展开更多; 关键词回复式离散神经网络特征子空间神经网络正定对称矩阵估值; 在线阅读下载PDF 职称材料

大数据分析的无限深度神经网络方法被引量：80: 4; 作者张蕾章毅《计算机研究与发展》 EI CSCD 北大核心 2016年第1期68-79,共12页; 深度神经网络(deep neural networks,DNNs)及其学习算法,作为成功的大数据分析方法,已为学术界和工业界所熟知.与传统方法相比,深度学习方法以数据驱动、能自动地从数据中提取特征(知识),对于分析非结构化、模式不明多变、跨领域的大数... 展开更多; 关键词深度神经网络无限深度神经网络前馈神经网络回复式神经网络大数据; 在线阅读下载PDF 职称材料

题名求解最短路径问题的Lotka-Volterra回复式神经网络模型被引量：2: 1; 作者郑伯川桑永胜; 机构电子科技大学计算机科学与工程学院西华师范大学数学与信息学院四川大学计算机学院; 出处《计算机应用》 CSCD 北大核心 2012年第7期1965-1968,共4页; 基金四川省教育厅资助科研项目(12ZA172) 西华师范大学校重点基金资助项目(10A003); 文摘有向图的最短路径(SP)问题是一个优化问题。通过构造有向图的最短路径问题的能量函数,提出了一种Lotka-Volterra(LV)回复式神经网络(RNN)模型,用于求解有向图的最短路径。当LV神经网络迭代收敛到稳定吸引子时,对应的能量函数也达到其能量最小点。因此,通过稳定吸引子可以获取最短路径。实验结果表明,利用LV神经网络模型可以有效地求解有向图中任意两个顶点之间的最短路径。; 关键词 lotka-volterra回复式神经网络能量函数最短路径稳定吸引子能量最小点; Keywords lotka-volterra（LV） Recurrent Neural Network（RNN） energy function Shortest Path（SP） stable attractor energy minimum point; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名回复式神经网络及其应用研究综述被引量：6: 2; 作者刘丹叶茂; 机构电子科技大学计算机科学与工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2020年第10期2024-2029,共6页; 基金国家自然科学基金-联合基金项目(U181320052)资助国家自然科学基金面上项目(6177020680)资助 +2 种基金中德合作项目跨模态学习项目(Sonderforschungsbereich Transregio 169)资助。; 文摘回复式神经网络是深度学习领域中一类非常强大的神经网络模型,它主要用于处理和预测序列数据.得益于回复式神经网络的"记忆"功能,它和它的变体网络已经被成功应用于多种任务,比如:机器翻译、语音识别、视频行为识别等.本文首先介绍回复式神经网络的发展历程,之后阐述其网络基本原理、计算过程和网络训练方法.针对传统回复式神经网络存在的短期记忆和梯度消失问题,长短时记忆和门控回复式单元网络结构被详细地分析和对比.然后介绍回复式神经网络的热门应用领域及其相关工作.最后结合近年来工业界和学术界关于回复式神经网络的研究进展,本文总结了回复式神经网络的研究发展趋势.; 关键词回复式神经网络长短时记忆门控回复式单元序列数据; Keywords recurrent neural netw ork long short-term memory gated recurrent unit sequence data; 分类号 TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名回复式离散神经网络的特征子空间估值(英文) 被引量：1: 3; 作者梁金明章毅; 机构自贡师范高等专科学校计算机科学系电子科技大学计算机科学与工程学院; 出处《电子科技大学学报》 EI CAS CSCD 北大核心 2002年第4期349-355,共7页; 基金国家自然科学基金资助项目编号:69871005~~; 文摘提出了用两种回复式离散神经网络模型研究正定对称矩阵的特征子空间估值问题:第1种模型是非线性神经网络,用于计算最大特征值及其特征向量;第2种模型属于线性神经网络,用于计算相应于最大特征值的特征子空间。详细研究了两种离散神经回路网络模型的动力学性质并用于特征子空间估值。; 关键词回复式离散神经网络特征子空间神经网络正定对称矩阵估值; Keywords eigenvalue eigenvector eigensubspace recurrent neural network; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名大数据分析的无限深度神经网络方法被引量：80: 4; 作者张蕾章毅; 机构四川大学计算机学院机器智能实验室; 出处《计算机研究与发展》 EI CSCD 北大核心 2016年第1期68-79,共12页; 基金国家自然科学基金项目(61322203 61332002 61432012)~~; 文摘深度神经网络(deep neural networks,DNNs)及其学习算法,作为成功的大数据分析方法,已为学术界和工业界所熟知.与传统方法相比,深度学习方法以数据驱动、能自动地从数据中提取特征(知识),对于分析非结构化、模式不明多变、跨领域的大数据具有显著优势.目前,在大数据分析中使用的深度神经网络主要是前馈神经网络(feedforward neural networks,FNNs),这种网络擅长提取静态数据的相关关系,适用于基于分类的数据应用场景.但是受到自身结构本质的限制,它提取数据时序特征的能力有限.无限深度神经网络(infinite deep neural networks)是一种具有反馈连接的回复式神经网络(recurrent neural networks,RNNs),本质上是一个动力学系统,网络状态随时间演化是这种网络的本质属性,它耦合了"时间参数",更加适用于提取数据的时序特征,从而进行大数据的预测.将这种网络的反馈结构在时间维度展开,随着时间的运行,这种网络可以"无限深",故称之为无限深度神经网络.重点介绍这种网络的拓扑结构和若干学习算法及其在语音识别和图像理解领域的成功实例.; 关键词深度神经网络无限深度神经网络前馈神经网络回复式神经网络大数据; Keywords deep neural networks （DNNs） infinite deep neural networks feedforward neuralnetworks （FNNs） recurrent neural networks （RNNs） big data; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	求解最短路径问题的Lotka-Volterra回复式神经网络模型	郑伯川桑永胜	《计算机应用》 CSCD 北大核心	2012	2	在线阅读下载PDF 职称材料
2	回复式神经网络及其应用研究综述	刘丹叶茂	《小型微型计算机系统》 CSCD 北大核心	2020	6	在线阅读下载PDF 职称材料
3	回复式离散神经网络的特征子空间估值(英文)	梁金明章毅	《电子科技大学学报》 EI CAS CSCD 北大核心	2002	1	在线阅读下载PDF 职称材料
4	大数据分析的无限深度神经网络方法	张蕾章毅	《计算机研究与发展》 EI CSCD 北大核心	2016	80	在线阅读下载PDF 职称材料