前馈神经网络造句

梯度算法广泛应用于训练前馈神经网络.

将这些壳系数输入前馈神经网络簇，以识别该手写体数字。

*结果表明，与一般BP网络相比较，分支前馈神经网络显著地减少了训练时间，且分类效果更好。

采用平衡的倒摆小车所记录下来的数据，经处理后用有师学习方法来训练前馈神经网络。

采用遗传算法训练的多层前馈神经网络实现番茄成熟度的自动判别。

当训练样本线*可分时，本文*前馈神经网络的在线BP算法是有限次收敛的。

本文应用多层前馈神经网络和自组织特征映*神经网络分别对简单目标和复杂飞机目标进行了分类识别。

首先利用交叉确认改进了级联相关算法,设计了多层前馈神经网络作为模式分类器,以软件模块的复杂*度量作为特征向量识别软件中的关键模块。

目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度，但只对小残量或零残量问题有效，对大残量问题则收敛很慢甚至不收敛。