加權連屬神經網路之研究
顯示簡易詮釋資料 統計資料| 欄位 | 內容 | 語言 |
|---|---|---|
dc.contributor.author |
張志永 | zh_TW |
dc.contributor.department |
交通大學控制工程研究所 | zh_TW |
dc.date.accessioned |
2016-12-20T03:57:07Z | |
dc.date.available |
2016-12-20T03:57:07Z | |
dc.date.issued |
1993 | en_US |
dc.description.abstract |
類神經網路是最近很熱門的研究主題之一.從 內部結構來說,類神經網路是由許多彼此間相互 連接,且能夠同時運算的神經元所構成,有平行處 理的特性及學習的能力,應用層面相當廣泛(1,2). 在Hopfield類神經網路的模型中(3,4),可應用於解決最佳化,混合信號分離,線性規劃等(5).此外,Hopfield 亦提出可解決內容連屬記憶的問題(6-8),亦即由內 容資料去判定其為某種類的物體,簡言之,即有圖 樣歸屬與辨認的功能. | zh_TW |
dc.description.abstract |
en_US | |
dc.description.sponsorship |
行政院國家科學委員會 | zh_TW |
dc.identifier.govdoc |
NSC82-0404-E009-217 | zh_TW |
dc.identifier.uri |
https://www.grb.gov.tw/search/planDetail?id=59256&docId=8697 | en_US |
dc.identifier.uri |
https://ir.lib.nycu.edu.tw/handle/11536/132181 | |
dc.language.iso |
zh_TW | en_US |
dc.subject |
連屬記憶 | zh_TW |
dc.subject |
類神經網路 | zh_TW |
dc.subject |
信雜訊號分析 | zh_TW |
dc.subject |
Associative memory | en_US |
dc.subject |
Artificial neural network | en_US |
dc.subject |
SNR | en_US |
dc.title |
加權連屬神經網路之研究 | zh_TW |
dc.title |
A Study on Weighting Associative Neural Network | en_US |
dc.type |
Plan | en_US |
檔案
本條目沒有附加檔案。
所屬典藏: 研究計畫