[发明专利]新息递补多层非线性映射神经网络模型需水预测方法无效
| 申请号： | 200810012323.7 | 申请日： | 2008-07-15 |
| 公开（公告）号： | CN101308552A | 公开（公告）日： | 2008-11-19 |
| 发明（设计）人： | 朱志锋 | 申请（专利权）人： | 沈阳建筑大学 |
| 主分类号： | G06N3/06 | 分类号： | G06N3/06;G06N3/08 |
| 代理公司： | 沈阳技联专利代理有限公司 | 代理人： | 王德荣 |
| 地址： | 110168辽宁省沈阳*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 新息递补多层非线性映射神经网络模型需水预测方法，涉及一种水量预测的方法，该方法为多层非线性映射网络属于静态网，采用最小均方差学习方式，在使其评价函数最小化过程中，完成输入信号到输出信号的映射，它由一个输入层、一个输出层和一个或多个隐蔽层组成，各层次的神经元之间单向全互联连接，学习阶段采用误差方向逐层传播到输入层，工作阶段维输入矢量逐层正向传播到输出层，是一种由非线性变换单元组成的前馈型网络。BP神经网络具有大规模并行处理、鲁棒性好、运算方便、学习能力强等优点，且其模拟能力特别强，所以用它预测需水量是完全可行的。 | ||
| 搜索关键词： | 递补 多层 非线性 映射 神经网络 模型 预测 方法 | ||
【主权项】：
1.新息递补多层非线性映射神经网络模型需水预测方法，其特征在于该方法为多层非线性映射网络属于静态网，采用最小均方差学习方式，在使其评价函数最小化过程中，完成输入信号到输出信号的映射，它由一个输入层、一个输出层和一个或多个隐蔽层组成，各层次的神经元之间单向全互联连接，学习阶段采用误差方向逐层传播到输入层，工作阶段维输入矢量逐层正向传播到输出层，是一种由非线性变换单元组成的前馈型网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于沈阳建筑大学，未经沈阳建筑大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200810012323.7/，转载请声明来源钻瓜专利网。
