排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义. 相似文献
2.
以浅水长波近似方程组为例,提出了拟小波方法求解(1 1)维非线性偏微分方程组数值解,该方程用拟小波离散格式离散空间导数,得到关于时间的常微分方程组,用四阶Runge-K utta方法离散时间导数,并将其拟小波解与解析解进行比较和验证. 相似文献
1