期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于混沌神经网络的语音识别方法
被引量:
4
1
作者
任晓林
胡光锐
徐雄
《上海交通大学学报》
EI
CAS
CSCD
北大核心
1999年第12期1517-1520,共4页
基于语音信号的时变特性,研究了神经网络语音识别的方法.把混沌特性引入到神经元,构造了一种新的多层混沌神经网络结构,同时推导了相应的学习算法.把这种混沌神经网络用于语音识别,并与常用的神经网络语音识别方法作了比较.实验...
基于语音信号的时变特性,研究了神经网络语音识别的方法.把混沌特性引入到神经元,构造了一种新的多层混沌神经网络结构,同时推导了相应的学习算法.把这种混沌神经网络用于语音识别,并与常用的神经网络语音识别方法作了比较.实验结果表明,混沌神经网络方法的平均识别率要高于同等条件下常用神经网络方法的识别率.
展开更多
关键词
语音识别
神经网络
混沌神经网络
识别率
下载PDF
职称材料
基于混沌神经网络模型的查询扩展
被引量:
1
2
作者
陈宇
陈治平
《计算机应用》
CSCD
北大核心
2007年第8期2069-2071,共3页
针对传统的信息检索模型只能进行精确匹配的问题,提出一种基于混沌神经网络模型的查询扩展方法,利用混沌神经网络较强的记忆性、学习性和联想性,对用户查询行为进行学习,从而对用户的初始查询进行扩展和重构,以得到符合不同用户的检索...
针对传统的信息检索模型只能进行精确匹配的问题,提出一种基于混沌神经网络模型的查询扩展方法,利用混沌神经网络较强的记忆性、学习性和联想性,对用户查询行为进行学习,从而对用户的初始查询进行扩展和重构,以得到符合不同用户的检索结果。与传统的神经网络信息检索模型的对比实验表明,新模型具有更高的查全率和查准率。
展开更多
关键词
混沌神经网络
信息检索
查询扩展
下载PDF
职称材料
基于混沌神经网络的QoS组播路由算法
3
作者
张慧档
吕娜
+1 位作者
贺昱曜
徐浩翔
《空军工程大学学报(自然科学版)》
CSCD
北大核心
2008年第1期70-73,共4页
为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通...
为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通过计算机仿真,该算法能根据组播应用对费用和时延的要求,快速有效地构造组播树,与当前其它启发式算法相比较,本文提出的算法是可行和有效的。
展开更多
关键词
混沌神经网络
QOS
组播路由
暂态混沌
下载PDF
职称材料
基于混沌控制量的QoS组播路由算法
4
作者
张慧档
贺昱曜
姜文
《计算机工程》
CAS
CSCD
北大核心
2008年第9期130-132,共3页
针对具有多个不相关可加度量的QoS组播路由问题,提出基于混沌控制量的QoS组播路由算法。该算法通过对神经元的内部状态施加一个混沌控制量,可以有效控制神经网络的能量函数增加、减少或保持不变,避免陷入局部最小点。计算机仿真结果表明...
针对具有多个不相关可加度量的QoS组播路由问题,提出基于混沌控制量的QoS组播路由算法。该算法通过对神经元的内部状态施加一个混沌控制量,可以有效控制神经网络的能量函数增加、减少或保持不变,避免陷入局部最小点。计算机仿真结果表明,该算法能根据组播应用对费用和时延的要求,快速、有效地构造组播树,与其他启发式算法相比,适用于带有较少目的结点的大规模网络。
展开更多
关键词
混沌神经网络
计算机网络
组播路由
下载PDF
职称材料
题名
基于混沌神经网络的语音识别方法
被引量:
4
1
作者
任晓林
胡光锐
徐雄
机构
上海交通大学电子工程系
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
1999年第12期1517-1520,共4页
基金
国家自然科学基金
文摘
基于语音信号的时变特性,研究了神经网络语音识别的方法.把混沌特性引入到神经元,构造了一种新的多层混沌神经网络结构,同时推导了相应的学习算法.把这种混沌神经网络用于语音识别,并与常用的神经网络语音识别方法作了比较.实验结果表明,混沌神经网络方法的平均识别率要高于同等条件下常用神经网络方法的识别率.
关键词
语音识别
神经网络
混沌神经网络
识别率
Keywords
speech
recognition
neural
network
s
chaotic
neural
network
(
cnn
)
分类号
TN912.34 [电子电信—通信与信息系统]
TP391.42 [电子电信—信息与通信工程]
下载PDF
职称材料
题名
基于混沌神经网络模型的查询扩展
被引量:
1
2
作者
陈宇
陈治平
机构
福建工程学院计算机与信息科学系
出处
《计算机应用》
CSCD
北大核心
2007年第8期2069-2071,共3页
基金
福建省自然基金资助项目(A0510024)
文摘
针对传统的信息检索模型只能进行精确匹配的问题,提出一种基于混沌神经网络模型的查询扩展方法,利用混沌神经网络较强的记忆性、学习性和联想性,对用户查询行为进行学习,从而对用户的初始查询进行扩展和重构,以得到符合不同用户的检索结果。与传统的神经网络信息检索模型的对比实验表明,新模型具有更高的查全率和查准率。
关键词
混沌神经网络
信息检索
查询扩展
Keywords
chaotic
neural
network
(
cnn
)
Information
Retrieval
(IR)
query
expansion
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于混沌神经网络的QoS组播路由算法
3
作者
张慧档
吕娜
贺昱曜
徐浩翔
机构
西北工业大学航海学院
空军工程大学科研部
出处
《空军工程大学学报(自然科学版)》
CSCD
北大核心
2008年第1期70-73,共4页
基金
全国优秀博士学位论文作者专项资金资助项目(200250)
河南省自然科学基金资助项目(411012400)
文摘
为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通过计算机仿真,该算法能根据组播应用对费用和时延的要求,快速有效地构造组播树,与当前其它启发式算法相比较,本文提出的算法是可行和有效的。
关键词
混沌神经网络
QOS
组播路由
暂态混沌
Keywords
chaotic
neural
network
(
cnn
)
QoS
multicast
routing
transient
chaos
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于混沌控制量的QoS组播路由算法
4
作者
张慧档
贺昱曜
姜文
机构
西北工业大学航海学院
出处
《计算机工程》
CAS
CSCD
北大核心
2008年第9期130-132,共3页
基金
全国优秀博士学位论文作者专项资金资助项目(200250)
河南省自然科学基金资助项目(411012400)
文摘
针对具有多个不相关可加度量的QoS组播路由问题,提出基于混沌控制量的QoS组播路由算法。该算法通过对神经元的内部状态施加一个混沌控制量,可以有效控制神经网络的能量函数增加、减少或保持不变,避免陷入局部最小点。计算机仿真结果表明,该算法能根据组播应用对费用和时延的要求,快速、有效地构造组播树,与其他启发式算法相比,适用于带有较少目的结点的大规模网络。
关键词
混沌神经网络
计算机网络
组播路由
Keywords
chaotic
neural
network
(
cnn
)
computer
network
multicast
routing
分类号
TP393 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于混沌神经网络的语音识别方法
任晓林
胡光锐
徐雄
《上海交通大学学报》
EI
CAS
CSCD
北大核心
1999
4
下载PDF
职称材料
2
基于混沌神经网络模型的查询扩展
陈宇
陈治平
《计算机应用》
CSCD
北大核心
2007
1
下载PDF
职称材料
3
基于混沌神经网络的QoS组播路由算法
张慧档
吕娜
贺昱曜
徐浩翔
《空军工程大学学报(自然科学版)》
CSCD
北大核心
2008
0
下载PDF
职称材料
4
基于混沌控制量的QoS组播路由算法
张慧档
贺昱曜
姜文
《计算机工程》
CAS
CSCD
北大核心
2008
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部