9-1电路的频率特性与网络函数 9-2RC电路的频率特性 9-3RLC串联谐振电路 9-4GCL并联谐振电路 9-5电源电阻及负载对谐振电路的影响

6.1二端口网络的方程与参数 6.2二端口网络的连接与等效 6.3二端口网络的网络函数与特性阻抗

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量

•RBF网络结构和模型 •RBF网络输出的计算过程 •RBF网络的一个实例 •RBF网络的学习算法 •RBF网络参数的有教师学习算法 •RBF网络的几个问题 •RBF网络的应用示例与MATLAB实现

第九章双口网络和多端元件 9.1双口网络及其端口条件 9.2双口网络的Z参数和Y参数 9.3双口网络的A参数和H参数 9.4双口网络的转移函数 9.5双口网络的特性阻抗 9.6双口网络的等效电路 9.7双口网络的连接 9.8运算放大器和回转器

• BP网络结构与模型 • BP网络的学习算法 • BP神经网络的重要函数和基本功能 • 一个简单的例子 • BP网络的几个问题 • 改进的BP网络的学习算法 • BP网络的应用示例

7.1 转移函数的性质 7.2 传输零点 7.3 传输零点S=0、∞的RC梯形网络实现 7.4 负实轴上传输零点的RC梯形网络实现 7.5 RC梯形网络的并联 7.6 电压转移函数的LC梯形网络实现 7.7 单边带载LC梯形网络的转移电压比 7.8 双边带载LC梯形网络

通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差

6.1 神经网络模型 6.2 反向传播多层前馈神经网络 6.3 其他神经网络 6.3.1遗传神经网络 6.3.2 径向基函数神经网络 6.3.3 概率神经网络PNN 6.3.4 竞争特征映射神经网络

10.1 二端口网络的一般概念 10.2 二端口网络的基本方程和参数 10.3 二端口网络的输入阻抗、输出阻抗和传输函数 10.4 线性二端口网络的等效电路 10.5 二端口网络的特性阻抗和传输常数 10.6 二端口网络应用简介