1.本文給出新的基于梯度方向直方圖統計的權值計算方法，實現穩定的圖切割。

2.該方法引進了權值，使得它比全域法具有更好的自適應能力和較高的預測精度。

3.這些權值是全局最小點。

4.在修改權值時采用逐漸減小學習速率的方法。

5.首先將被控對象進行離線辨識，確定NNC的初始權值再進行神經網絡在線控制m.9061xoxo.com，從而能夠進一步提高系統的控制精度。

6.通過控制點位置和權值節點分布以及高斯標準誤差來控制曲線形狀。

7.利用B樣條基函數的正定性、緊密性和歸一性，可使訓練過程中權值的調整在局部范圍內，且系統的輸出簡單可靠。

8.文章提出了一種新的優化神經網絡結構及權值的方法——兩級進化的方法。

9.它的學習規則是使用最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。

10.利用遺傳神經網絡，通過對其權值的訓練，優化權系數和網絡結構。

11.它并不構成對工業產權值得，給予相對的權利，或任何牌照發放。

12.實現方法主要有:骨骼空間變形、根據示例生成形狀和多重權值計算。

13.所用的RBF神經網絡算法是從輸入信號的數據中訓練出中心值和寬度值，再訓練通過用最大熵值的代價函數推導的權值。

14.根據任意給定的一組權值，構造一棵哈夫曼樹。

15.從數學意義上講，這種權值學習相當于歐氏空間中對一組點進行了一個線性變換。

16.在構建系統發生樹時，首先根據回路構建其拓撲結構，然后根據拓撲結構和距離矩陣給各邊分配權值。

17.其次采用特爾斐法確定高層指標的權值。

18.提出了一種新穎的基于權值的微機械數模轉換器，它的原理與電路中的權電阻數模轉換器類似。

19.然后通過訓練神經網絡把這些知識儲存于神經網絡的權值中，幷在其它的地震輸人下使用。

20.實驗結果表明，選擇適當的連接權值可以得到環路的持續振蕩發放。

21.算法具有低的運算復雜度，仿真結果表明該算法具有好的時延捕獲和波束形成權值捕獲性能。

22.算法利用人耳的聽覺掩蔽效應動態確定每一幀的權值，有選擇地增強。

23.以往的BP算法調節神經元網絡的權值，其網絡的隱層結點數、網絡學習快慢程度及網絡的泛化能力都與網絡的激勵函數有關的。

24.針對回歸神經網絡訓練效率低，泛化能力差等問題，嘗試引入一種初始權值優化方法加以改進。

25.同時運用層次分析法獲取多目標優化函數的權值向量，并通過知識引導有效地提高了算法效率。

26.在前饋網絡中，不同的權值組合可逼近同一映射。

27.提出了一種基于權值模板匹配的全自主足球機器人目標識別方法。

28.將初始權值的修正和網絡各層神經元個數及傳遞函數緊密聯系。

29.運用冪指數法對導彈武器系統的生存能力進行計算，對于指數法中各因素的重要性程度，采用模糊層次分析法來計算各因素的權值。

30.神經網絡權值和閾值的優化方法。

31.除了字詞權值以外，網頁也可根據其他策略來排行。

32.隱層輸出層的權值用最速下降法學習，輸入層隱層的權值用遺傳算法進行學習。m.9061xoxo.com

33.加權值會因時間而改變，比如出現細微差別或傾向。

34.這些特征模型用來作為權值函數的因子。

35.神經網絡結構及其權值優化的遺傳算法。

36.在修改權值時，引入串行修正權值的思想。

37.在信息完備化過程中，該模型考慮了屬性重要性之間的差異，并賦予了相應的權值。

38.對于權值低于屏蔽層的義原，我們不將其選入特征集，并相應保留原詞。

39.該方法是利用遺傳算法的全局優化功能搜索BP網絡各神經元之間的連接權值。

40.將遺傳算法與神經網絡盲均衡算法相結合，提出了兩段式優化神經網絡權值的方案。

41.神經網絡結構及權值優化屬兩級進化方法。

42.各神經元的連接權值具有一定的分布。

43.該算法從負載平衡的思想出發，賦予每條鏈路一個與全局資源相關的權值即鏈路相對空閑率，尋找鏈路相對空閑率較高的選播路徑。

44.該算法經兩個常用函數檢驗，并在圖象識別的神經網絡權值訓練中得到應用。

45.貝葉斯神經網絡中，每個權值和誤差被視為隨機變量，它們的先驗概率分布是遵從正態分布的。

46.提出了一種基于最少轉接次數原則且提供多權值路徑解集的算法。

47.對于光順算法，本文中不采用光順平鋪邊界，而是采用光順權值差內部邊界。

48.利用DOA信息，初始化自適應波束成形的權值。